論文の概要: From Code Archival to Knowledge Graph: Bridging Software Heritage, COAR Notify and Wikidata
- arxiv url: http://arxiv.org/abs/2609.21667v1
- Date: Fri, 18 Sep 2026 12:03:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-21 18:40:17.070652
- Title: From Code Archival to Knowledge Graph: Bridging Software Heritage, COAR Notify and Wikidata
- Title（参考訳）: コードアーカイブからナレッジグラフへ - ソフトウェア遺産のブリッジ,COAR通知,Wikidata
- Abstract要約: ソフトウェアは第一級の科学的対象であるが、ソースコードと学術的記録の間のリンクは、Linked Open Dataクラウドにはほとんど欠落している。
本稿では,論文とソースコードのリンクが明示的かつ編集的に検証されているソースから,出版とリポジトリのペアを抽出し,検証し,モデル化する,エンドツーエンドの和解パイプラインを提案する。
- 参考スコア（独自算出の注目度）: 0.4468952886990851
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Software is a first-class scientific object, yet validated links between source code and the scholarly record remain largely absent from the Linked Open Data (LOD) cloud, isolating archived artefacts from semantic discovery. This paper presents an end-to-end reconciliation pipeline that harvests, validates, and models publication-to-repository pairs from sources where the link between a paper and its source code is explicit and editorially verified: the software-centric journals JOSS, SoftwareX, and IPOL, together with the reproducibility reports of the SIGMOD Availability and Reproducibility Initiative (ARI). This yields a curated corpus of 4,397 $\langle$DOI, repository-URL$\rangle$ pairs. We design two distinct application profiles grounded in Wikidata classes (one for scholarly articles, one for software instances) aligned with the schema.org and CodeMeta vocabularies. This architectural separation enables rule-based reconciliation at two granularities: lightweight, inline publication references or standalone, first-class Wikidata software nodes equipped with SWHIDs, Software Heritage's content-addressed identifiers. A read-only lookup against Wikidata shows that only 82 of the harvested repositories were already modelled there; human-reviewed batches have since created 4{,}182 new software items cross-linked to their articles. We further show that payloads of the emerging COAR Notify protocol, an external effort we do not develop, map natively onto our input format, so the same backend could later serve a live enrichment stream. Our core contribution is a pair of application profiles that turn Wikidata into a connector between the scholarly record and archived source code; we openly release all code, application profiles, and harvested datasets.
- Abstract（参考訳）: ソフトウェアは第一級の科学的対象であるが、ソースコードと学術的な記録の間のリンクは、意味発見からアーカイブされたアーティファクトを分離するLinked Open Data (LOD)クラウドからほとんど欠落している。
本稿では,SIGMODアベイラビリティ・アンド・リプロデューサイニシアチブ(ARI)の再現性レポートとともに,論文とソースコードのリンクが明確かつ編集的に検証されているソースから,出版とリポジトリのペアを抽出し,検証し,モデル化するエンド・ツー・エンドの和解パイプラインを提案する。
これにより、4,397$\langle$DOI, repository-URL$\rangle$ pairsのキュレートコーパスが得られる。
Wikidataクラス(1つは学術論文、1つはソフトウェアインスタンス)をベースとした2つの異なるアプリケーションプロファイルを設計し、スキーマ.orgとCodeMetaの語彙に適合する。
このアーキテクチャ分離により、軽量でインラインの出版参照またはスタンドアロンの、SWHIDを備えた第一級のウィキデータソフトウェアノード、ソフトウェア遺産のコンテンツ適応識別子の2つの粒度でのルールベースの和解が可能になる。
Wikidataに対するリードオンリーのルックアップでは、抽出されたリポジトリのうち、すでに82件しかモデル化されていないことが示されており、人間レビューされたバッチは、4{,}182の新しいソフトウェアアイテムを記事にクロスリンクして作成している。
さらに、新たなCOAR Notifyプロトコルのペイロードは、私たちが開発していない外部の取り組みであり、入力フォーマットにネイティブにマッピングされているため、同じバックエンドが後にライブエンリッチメントストリームを提供する可能性があることを示しています。
私たちのコアコントリビューションは、Wikidataを学術的に記録されたソースコードとアーカイブされたソースコードのコネクタにするアプリケーションプロファイルのペアです。
関連論文リスト
- Code as Representation: A Compilable Parsing Paradigm for Academic Documents [50.40789738182074]
Compilable Academic Document Parsing (CADP)は、コンテキストラプラス実行可能なPythonとして全ページを再構築するパラダイムである。
テキストと複数のSAEタイプを含む全学術ページのエキスパート検証ベンチマークであるCADP-Benchを紹介する。
その結果、フロンティアモデルでさえも、高忠実度で実行可能な再構築を行うのに苦戦していることがわかった。
論文 参考訳（メタデータ） (2026-08-18T09:10:43Z) - FS-Researcher: Test-Time Scaling for Long-Horizon Research Tasks with File-System-Based Agents [53.03492387564392]
我々はFS-Researcherを紹介した。FS-Researcherはファイルシステムベースのフレームワークで、永続的なワークスペースを通じてコンテキストウィンドウを超えて深い研究をスケールする。
Context Builderエージェントはインターネットを閲覧し、構造化されたノートを書き、ソースを階層的な知識ベースにアーカイブする。
その後、レポートライターエージェントが最終レポートセクションをセクションごとに構成し、知識ベースを事実のソースとして扱う。
論文 参考訳（メタデータ） (2026-02-02T03:00:19Z) - ABCD-LINK: Annotation Bootstrapping for Cross-Document Fine-Grained Links [57.514511353084565]
我々は、最高のパフォーマンスのアプローチを選択し、文書間リンクに注釈を付けるための新しいドメインに依存しないフレームワークを提案する。
当社のフレームワークを2つの異なるドメイン – ピアレビューとニュース – に適用しています。
結果として得られた新しいデータセットは、メディアフレーミングやピアレビューなど、数多くのクロスドキュメントタスクの基礎を築いた。
論文 参考訳（メタデータ） (2025-09-01T11:32:24Z) - Scholarly Wikidata: Population and Exploration of Conference Data in Wikidata using LLMs [4.721309965816974]
我々は,Wikidataのインフラを活用して学術データを確実にアクセス可能にすることを提案する。
本研究は,セマンティックWeb関連カンファレンス105件のデータに着目し,ウィキデータに6000件以上のエンティティを拡張・追加する。
論文 参考訳（メタデータ） (2024-11-13T15:34:52Z) - KIF: A Wikidata-Based Framework for Integrating Heterogeneous Knowledge Sources [0.45141207783683707]
我々は、異種知識ソースを仮想的に統合するためのWikidataベースのフレームワークKIFを提案する。
KIFはPythonで書かれており、オープンソースとしてリリースされている。
論文 参考訳（メタデータ） (2024-03-15T13:46:36Z) - Linked Papers With Code: The Latest in Machine Learning as an RDF
Knowledge Graph [1.450405446885067]
Linked Papers With CodeはRDFの知識グラフで、40万近い機械学習出版物に関する包括的で現在の情報を提供する。
非RDFベースのPapers With Codeと比較して、LPWCは機械学習の最新の進歩をRDFフォーマットに変換する。
Linked Open Dataクラウドのナレッジグラフとして、RDFダンプファイルからSPARQLエンドポイントまで、複数のフォーマットでLPWCを提供しています。
論文 参考訳（メタデータ） (2023-10-31T14:09:15Z) - Generate rather than Retrieve: Large Language Models are Strong Context
Generators [74.87021992611672]
本稿では,文書検索を大規模言語モデル生成器に置き換えることで,知識集約型タスクを解く新しい視点を提案する。
我々は,提案手法をgenRead (genRead) と呼び,まず大きな言語モデルに対して,与えられた質問に基づいて文脈文書を生成し,次に生成された文書を読み出して最終回答を生成する。
論文 参考訳（メタデータ） (2022-09-21T01:30:59Z) - Enriching Wikidata with Linked Open Data [4.311189028205597]
現在のリンクされたオープンデータ(LOD)ツールは、Wikidataのような大きなグラフの強化には適していない。
本稿では、ギャップ検出、ソース選択、スキーマアライメント、セマンティックバリデーションを含む新しいワークフローを提案する。
実験の結果,我々のワークフローは,高品質な外部LODソースからの数百万の新規ステートメントでWikidataを豊かにすることができることがわかった。
論文 参考訳（メタデータ） (2022-07-01T01:50:24Z) - Improving Candidate Retrieval with Entity Profile Generation for
Wikidata Entity Linking [76.00737707718795]
本稿では,エンティティ・プロファイリングに基づく新しい候補探索パラダイムを提案する。
我々は、このプロファイルを使用してインデックス付き検索エンジンに問い合わせ、候補エンティティを検索する。
本手法は,ウィキペディアのアンカーテキスト辞書を用いた従来の手法を補完するものである。
論文 参考訳（メタデータ） (2022-02-27T17:38:53Z) - Assessing the quality of sources in Wikidata across languages: a hybrid
approach [64.05097584373979]
いくつかの言語でラベルを持つWikidataのトリプルからサンプルした参照コーパスの大規模なコーパスを評価するために,一連のマイクロタスク実験を実施している。
クラウドソースアセスメントの統合されたバージョンを使用して、いくつかの機械学習モデルをトレーニングして、Wikidata全体の分析をスケールアップしています。
この結果はWikidataにおける参照の質の確認に役立ち、ユーザ生成多言語構造化データの品質をWeb上で定義し、取得する際の共通の課題を特定するのに役立ちます。
論文 参考訳（メタデータ） (2021-09-20T10:06:46Z)
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。