論文の概要: Multi-Functional Embedding Models for Funder Name Disambiguation in Scientific Publication Records
- arxiv url: http://arxiv.org/abs/2609.09984v1
- Date: Wed, 09 Sep 2026 10:13:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.984576
- Title: Multi-Functional Embedding Models for Funder Name Disambiguation in Scientific Publication Records
- Title（参考訳）: 学術出版記録におけるファンド名曖昧化のための多機能埋め込みモデル
- Abstract要約: 我々は多言語で多機能なファンド名曖昧化モデルを開発するためのフレームワークを開発する。
最高の性能のモデルは、WoSファウンダの名前をOR識別子に合わせると、0.90以上の精度を達成した。
我々は、英語圏以外の国からの小規模の資金提供者や資金提供者の限られた知識から生じる課題を強調する。
- 参考スコア（独自算出の注目度）: 5.350912957086596
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Understanding the historical allocation and distribution of research funding advances our knowledge of how scientific research is supported across fields, institutions, and regions. However, large-scale analyses are hindered by the lack of comprehensive funder name disambiguation solutions, as funder names often exhibit spelling variations, translations, abbreviations, and inconsistent levels of granularity. In this paper, we present a framework for developing multilingual, multi-functional funder name disambiguation models and demonstrate its application to research publications in biodiversity conservation. To construct a training dataset, we integrated the Research Organization Registry (ROR), which provides unique identifiers for research organizations, with two publication datasets: the Web of Science (WoS) and the Crossref Open Funder Registry (OFR). We used multi-task learning with Contrastive Loss and Multiple Negatives Ranking Loss to fine-tune three open-weight embedding models from the Sentence Transformer, Gemma, and Qwen3 families. The best-performing models achieved accuracy above 0.90 when matching WoS funder names to ROR identifiers, outperforming general-purpose LLMs, including GPT-5.2, Claude-Sonnet-4.6, and Gemini-2.5-Flash, by more than 0.1. For funder names not indexed in ROR, we constructed a similarity network among funder names and identified clusters within it. Finally, we analyzed the disambiguation results and highlighted challenges arising from limited knowledge of smaller funders and funders from non-English-speaking countries. This work provides a reusable framework for funder name disambiguation with potential applicability across different model architectures and datasets, featuring cost-effective training data creation and multi-task learning and disambiguation.
- Abstract（参考訳）: 研究資金の歴史的配分と分配を理解することは、科学研究が分野、機関、地域にわたってどのように支援されているかについての知識を前進させる。
しかし、大規模な分析は、スペルのバリエーション、翻訳、略語、および一貫性のない粒度のレベルがしばしば現れるため、包括的資金調達者名不明瞭化ソリューションの欠如によって妨げられている。
本稿では,多言語・多機能型ファンド名曖昧化モデルを開発するための枠組みを提案し,その生物多様性保全研究への活用を実証する。
トレーニングデータセットを構築するために、研究組織にユニークな識別子を提供するResearch Organization Registry(ROR)と、Web of Science(WoS)とCrossref Open Funder Registry(OFR)の2つのパブリッシュデータセットを統合した。
我々は,Sentence Transformer,Gemma,Qwen3ファミリーの3つのオープンウェイト埋め込みモデルを微調整するために,コントラスト・ロスと多重負ランクリング・ロスを用いたマルチタスク学習を行った。
最高の性能のモデルは、WoSファンドの名前をOR識別子に合わせると0.90以上の精度を達成し、GPT-5.2、Claude-Sonnet-4.6、Gemini-2.5-Flashなどの汎用LLMを0.1以上上回った。
RORに索引付けされていない資金調達者名に対しては、出資者名間の類似性ネットワークを構築し、その内のクラスタを特定した。
最後に、この曖昧な結果を分析し、英語圏以外の国からの小規模の資金提供者や資金提供者の限られた知識から生じる課題を強調した。
この作業は、さまざまなモデルアーキテクチャやデータセットにまたがる潜在的な適用性を備えた、ファンド名の曖昧さに対する再利用可能なフレームワークを提供し、コスト効率のよいトレーニングデータ生成とマルチタスク学習と曖昧さを特徴とする。
関連論文リスト
- Adaptive and Multi-Source Entity Matching for Name Standardization of Astronomical Observation Facilities [0.0]
本研究は、天文観測施設のマルチソースマッピングを作成する手法の開発に焦点をあてる。
適応可能な基準と自然言語処理(NLP)技術を用いてスコアを計算し、2つのエンティティを比較した。
ラベルや定義,説明,外部識別子など,利用可能なすべてのプロパティを活用しています。
結果として得られるマッピングは、エンティティごとに1つの標準化されたラベルのみを提供するマルチソースの同義集合で構成されている。
論文 参考訳（メタデータ） (2025-10-07T10:04:08Z) - Scholar Name Disambiguation with Search-enhanced LLM Across Language [0.2302001830524133]
本稿では,複数の言語にまたがる検索強化言語モデルを用いて,名前の曖昧さを改善する手法を提案する。
検索エンジンの強力なクエリ書き換え、意図認識、およびデータインデックス機能を利用することで、エンティティの識別やプロファイルの抽出を行うため、よりリッチな情報を集めることができる。
論文 参考訳（メタデータ） (2024-11-26T04:39:46Z) - CLLMFS: A Contrastive Learning enhanced Large Language Model Framework for Few-Shot Named Entity Recognition [3.695767900907561]
CLLMFSは、Few-Shot Named Entity RecognitionのためのContrastive LearningEnhanced Large Language Modelフレームワークである。
Low-Rank Adaptation (LoRA)と、数発のNER用に特別に調整された対照的な学習メカニズムを統合している。
提案手法は,F1スコアの現行性能を2.58%から97.74%まで向上させた。
論文 参考訳（メタデータ） (2024-08-23T04:44:05Z) - Named Entity Recognition Under Domain Shift via Metric Learning for Life Sciences [55.185456382328674]
名前付きエンティティ認識モデルの拡張のための転写学習の適用性について検討する。
本モデルでは,(1)アノテートイベントからの知識を付加してエンティティ間の関係を確立するソースドメインにおけるエンティティグループ化,2) 対象ドメインにおけるエンティティの識別を擬似ラベリングとコントラスト学習に頼って,2つのドメイン内のエンティティ間の識別を強化する,という2つの段階で構成されている。
論文 参考訳（メタデータ） (2024-01-19T03:49:28Z) - DAMO-NLP at SemEval-2023 Task 2: A Unified Retrieval-augmented System
for Multilingual Named Entity Recognition [94.90258603217008]
MultiCoNER RNum2共有タスクは、細粒度でノイズの多いシナリオにおいて、多言語の名前付きエンティティ認識(NER)に取り組むことを目的としている。
MultiCoNER RNum1の以前のトップシステムは、ナレッジベースまたはガゼッタを組み込んでいる。
細粒度多言語NERのための統一検索拡張システム(U-RaNER)を提案する。
論文 参考訳（メタデータ） (2023-05-05T16:59:26Z) - Disambiguation of Company names via Deep Recurrent Networks [101.90357454833845]
企業名文字列の埋め込みである教師付き学習を通じて,Siamese LSTM Network を抽出する手法を提案する。
私たちは、ラベル付けされるサンプルを優先するActive Learningアプローチが、より効率的な全体的な学習パイプラインをもたらす方法を分析します。
論文 参考訳（メタデータ） (2023-03-07T15:07:57Z) - Leveraging Domain Agnostic and Specific Knowledge for Acronym
Disambiguation [5.766754189548904]
アクロニムの曖昧さは、テキストの中で曖昧なアクロニムの正しい意味を見つけることを目的としている。
本稿では,hdBERTを用いた階層型デュアルパスBERT法を提案する。
62,441文を含むSciADデータセットを用いて,hdBERTの有効性を検討した。
論文 参考訳（メタデータ） (2021-07-01T09:10:00Z) - Few-Shot Named Entity Recognition: A Comprehensive Study [92.40991050806544]
マルチショット設定のモデル一般化能力を向上させるための3つの手法を検討する。
ラベル付きデータの比率の異なる10の公開nerデータセットについて経験的比較を行う。
マルチショットとトレーニングフリーの両方の設定で最新の結果を作成します。
論文 参考訳（メタデータ） (2020-12-29T23:43:16Z) - Primer AI's Systems for Acronym Identification and Disambiguation [0.0]
頭字語識別と曖昧化のための新しい手法を提案する。
提案手法に比べて性能が大幅に向上した。
両システムは、SDU@AAAI-21共有タスクリーダーボード上で競合的に動作します。
論文 参考訳（メタデータ） (2020-12-14T23:59:05Z) - What Does This Acronym Mean? Introducing a New Dataset for Acronym
Identification and Disambiguation [74.42107665213909]
頭字語は、文書中の長い文を伝達し、文章の主文の1つとして機能する短い形式の句である。
その重要性から、頭字語と対応する語句(AI)を識別し、それぞれの頭字語(AD)の正しい意味を見つけることは、テキスト理解に不可欠である。
このタスクの最近の進歩にもかかわらず、既存のデータセットにはいくつかの制限があり、さらなる改善を妨げる。
論文 参考訳（メタデータ） (2020-10-28T00:12:36Z) - Zero-Resource Cross-Domain Named Entity Recognition [68.83177074227598]
既存のドメイン名付きエンティティ認識モデルは、多くのラベルなしコーパスや、ターゲットドメイン内のラベル付きNERトレーニングデータに依存している。
外部リソースを一切使用しないドメイン間NERモデルを提案する。
論文 参考訳（メタデータ） (2020-02-14T09:04:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。