論文の概要: A Semantic Approach to the Academic Publishing Network: Document Vector Representations and Hybrid Structural-Semantic Fusion over OpenAlex Data
- arxiv url: http://arxiv.org/abs/2609.26218v1
- Date: Tue, 11 Aug 2026 10:45:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.926394
- Title: A Semantic Approach to the Academic Publishing Network: Document Vector Representations and Hybrid Structural-Semantic Fusion over OpenAlex Data
- Title（参考訳）: 学術出版ネットワークへのセマンティックアプローチ:OpenAlexデータ上の文書ベクトル表現とハイブリッド構造意味融合
- Abstract要約: 我々は、引用インフォームドベクター埋め込み(SPECTER2)によって科学文書を表現し、安定なOpenAlex IDによって鍵付けられた埋め込みベクターデータベースに格納する。
意味的類似性(埋め込みのコサイン)と構造的類似性(書誌的結合)をチューナブルウェイトアルファと組み合わせたモジュラー遅延融合関数を定義する。
再現可能なワークフローを備えた,apnetライブラリのオープンソース拡張として,アプローチ全体をリリースしています。
- 参考スコア（独自算出の注目度）: 3.080202462807918
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Structural graph analysis of the academic publishing network captures the topological relationships between entities but does not see the content of works. Building on our structural approach, this work complements it with a semantic layer and a parameterized structural-semantic fusion. We represent scientific documents by citation-informed vector embeddings (SPECTER2) and store them in an embedded vector database keyed by the stable OpenAlex ID, so that they connect directly to the graph layer. We define a modular late-fusion function that combines semantic similarity (cosine of embeddings) and structural similarity (bibliographic coupling) with a tunable weight alpha whose value is chosen according to the specific task. On the corpus of VSB - Technical University of Ostrava we show two things: citation-informed embeddings agree with the expert OpenAlex topical taxonomy better than a TF-IDF baseline, and in a recommendation use case the structural, semantic, and combined signals carry information in different regimes depending on the available data. Hybrid fusion here is not a universally better method but an explicit mechanism for steering complementary signals according to the task. We release the whole approach as an open-source extension of the apnet library with a reproducible workflow.
- Abstract（参考訳）: 学術出版ネットワークの構造グラフ解析は、実体間のトポロジ的関係を捉えるが、作品の内容は見ることができない。
構造的アプローチに基づくこの研究は、セマンティック層とパラメータ化された構造的セマンティック融合を補完する。
我々は、引用インフォームドベクター埋め込み(SPECTER2)によって科学文書を表現し、それらを安定なOpenAlex IDによって鍵付けられた埋め込みベクターデータベースに格納し、グラフ層に直接接続する。
我々は,意味的類似性(埋め込みのコサイン)と構造的類似性(書誌的結合)を,特定のタスクに応じて値が選択される可変重みアルファとを結合するモジュラー遅延融合関数を定義する。
VSB - オストラバ工科大学のコーパスでは、引用インフォームド埋め込みは、TF-IDFベースラインよりも専門家のOpenAlexのトピック分類と一致しており、推奨ユースケースでは、構造的、意味的、複合的な信号は、利用可能なデータによって異なるシステマティクスで情報を運ぶ。
ここでのハイブリッド核融合は、普遍的に優れた方法ではなく、タスクに応じて補完的な信号を操る明示的なメカニズムである。
再現可能なワークフローを備えた,apnetライブラリのオープンソース拡張として,アプローチ全体をリリースしています。
関連論文リスト
- A Unified Framework for Context-Aware and Relation-Aware Graph Retrieval-Augmented Generation [13.705515718089123]
Retrieval-Augmented Generation (RAG) は、大規模言語モデルを外部知識で拡張するためのパラダイムとして登場した。
既存のグラフベースの手法は、真の知識融合なしに原文に固定された表現を操作する。
本稿では,HyGRAGを提案する。HyGRAGは階層型グラフRAGフレームワークで,3つのコア課題に対処することで,ソース文書を超越する。
論文 参考訳（メタデータ） (2026-06-16T15:44:10Z) - See More, Match Better: Multi-Source Feature Fusion for Two-View Correspondence Learning [52.52121389921707]
2視点対応学習は、画像対における真対応(インレーシ)と偽対応(インレーシ)とを区別することを目的としている。
既存の手法は主に座標に基づく幾何の整合性に依存する。
本稿では,2視点対応学習のためのマルチソース機能融合フレームワークTriMatchを提案する。
論文 参考訳（メタデータ） (2026-06-08T09:33:01Z) - SemStruct: Contextualizing Semantic Embeddings with Structural Information for Schema Matching [20.959946127503354]
グラフニューラルネットワーク(GNN)の構造帰納バイアスと冷凍PLMのセマンティックパワーを結合するフレームワークであるSemStructを提案する。
テーブルを、列と値が列で連結されたノードである異種グラフとしてモデル化し、GNNが構造全体にわたってあいまいなコンテキストを伝播できるようにする。
論文 参考訳（メタデータ） (2026-05-29T01:45:45Z) - OpenGaFF: Open-Vocabulary Gaussian Feature Field with Codebook Attention [80.51557267896938]
オープンな3Dシーン理解のための新しいフレームワークであるOpenGaFFについて述べる。
我々の手法の中核はガウス的特徴場であり、ガウス幾何学と外見の連続関数として意味論をモデル化する。
オブジェクトレベルのセマンティック一貫性をさらに強化するために、共有セマンティックプリミティブのセットとして機能する構造化コードブックを導入する。
論文 参考訳（メタデータ） (2026-05-07T12:10:07Z) - EHRAG: Bridging Semantic Gaps in Lightweight GraphRAG via Hybrid Hypergraph Construction and Retrieval [18.623178248262032]
本稿では,構造レベルと意味レベルの関係を捉えるハイパーグラフを構築する軽量なRAGフレームワーク EHRAGを提案する。
EHRAGは、トピック対応スコアリングとパーソナライズされたページランク(PPR)リファインメントを備えた構造-セマンティックハイブリッド拡散を行う。
EHRAGは、線形インデックス化の複雑さとトークン消費のゼロを維持しながら、最先端のベースラインを上回っている。
論文 参考訳（メタデータ） (2026-04-19T14:18:49Z) - Cross-Granularity Hypergraph Retrieval-Augmented Generation for Multi-hop Question Answering [49.43814054718318]
マルチホップ質問応答 (MHQA) は、正しい回答を得るために複数の経路に散在する知識を統合する必要がある。
従来の検索拡張生成法(RAG)は主に粗い粒度のテキスト意味的類似性に焦点を当てている。
本稿では,HGRAG for MHQAという新しいRAG手法を提案する。
論文 参考訳（メタデータ） (2025-08-15T06:36:13Z) - Data-driven Coreference-based Ontology Building [48.995395445597225]
参照解決は、伝統的に個々の文書理解のコンポーネントとして使用される。
よりグローバルな視点で、すべてのドキュメントレベルのコア参照関係から、ドメインについて何が学べるかを探求します。
コードとともに、クリエイティブ・コモンズライセンスの下でコア参照チェーンをリリースします。
論文 参考訳（メタデータ） (2024-10-22T14:30:40Z) - From Alignment to Entailment: A Unified Textual Entailment Framework for
Entity Alignment [17.70562397382911]
既存のメソッドは通常、エンティティのトリプルを埋め込みとしてエンコードし、埋め込みの整列を学ぶ。
我々は両トリプルを統一されたテキストシーケンスに変換し、EAタスクを双方向のテキストエンタテインメントタスクとしてモデル化する。
提案手法は,エンティティ間の2種類の情報の統合相関パターンを捕捉し,元のエンティティ情報間のきめ細かい相互作用を明示的にモデル化する。
論文 参考訳（メタデータ） (2023-05-19T08:06:50Z) - Adaptive Attribute and Structure Subspace Clustering Network [49.040136530379094]
自己表現型サブスペースクラスタリングネットワークを提案する。
まず、入力データサンプルを表現する自動エンコーダについて検討する。
そこで我々は, 局所的な幾何学的構造を捉えるために, 混合符号と対称構造行列を構築した。
構築された属性構造と行列に対して自己表現を行い、親和性グラフを学習する。
論文 参考訳（メタデータ） (2021-09-28T14:00:57Z) - Exploring and Evaluating Attributes, Values, and Structures for Entity
Alignment [100.19568734815732]
エンティティアライメント(EA)は、さまざまなKGから等価なエンティティをリンクすることで、リッチコンテンツの統合知識グラフ(KG)を構築することを目的としている。
属性・トリプルは重要なアライメント信号も提供できますが、まだ十分に調査されていません。
本稿では,属性値エンコーダを用いてKGをサブグラフに分割し,属性の様々なタイプを効率的にモデル化することを提案する。
論文 参考訳（メタデータ） (2020-10-07T08:03:58Z)
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。