論文の概要: A Computational Framework for Modelling Organisation-Level Semantic Identity from Longitudinal Textual Data

• arxiv url: http://arxiv.org/abs/2609.29584v1
• Date: Thu, 27 Aug 2026 11:47:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:56.080323
• Title: A Computational Framework for Modelling Organisation-Level Semantic Identity from Longitudinal Textual Data
• Title（参考訳）: 年次テクストデータから組織レベルセマンティックアイデンティティをモデル化するための計算フレームワーク
• Abstract要約: 本稿では,セマンティック表現学習,グラフに基づくセマンティックモデリング,組織レベルのセマンティックフィンガード,時間的セマンティック進化,エビデンスによる検証を統合分析手法に統合する計算フレームワークを提案する。 この枠組みは、韓国の4大エンターテイメント企業に属するアーティストのKポップ歌詞の長手コーパスを用いて実証されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Organisations continuously generate large volumes of textual data that capture how they communicate, evolve and differentiate themselves over time. Although recent advances in natural language processing have substantially improved organisation-level text analytics, existing approaches primarily represent organisations as latent embeddings or predictive feature vectors for similarity estimation, classification or retrieval. Consequently, there is currently no general computational framework for modelling organisation-level semantic identity as an interpretable and evolving semantic construct derived from longitudinal textual evidence. This paper introduces a computational framework that integrates semantic representation learning, graph-based semantic modelling, organisation-level semantic fingerprints, temporal semantic evolution and evidence-driven validation within a unified analytical methodology. Organisations are characterised through complementary semantic dimensions describing diversity, concentration, connectivity, novelty and semantic community composition, which are analysed longitudinally to infer evidence-supported semantic identities. The framework is demonstrated using a longitudinal corpus of K-pop lyrics from artists affiliated with the four major South Korean entertainment companies. The empirical analyses reveal distinguishable multidimensional semantic identities, diverse temporal evolutionary trajectories and coherent integrated identity profiles. Comprehensive validation demonstrates that the inferred identities are statistically supported, robust under alternative analytical assumptions, reproducible and operationally informative. Beyond the case study, the proposed framework establishes organisation-level semantic identity and provides a transferable methodology for modelling organisational behaviour from longitudinal textual data.
• Abstract（参考訳）: 組織は、どのようにコミュニケーションし、進化し、時間とともに自分自身を区別するかをキャプチャする大量のテキストデータを継続的に生成します。 自然言語処理の最近の進歩は、組織レベルのテキスト分析を大幅に改善しているが、既存のアプローチは主に組織を、類似性の推定、分類、検索のための遅延埋め込みまたは予測的特徴ベクトルとして表現している。 その結果、組織レベルの意味的アイデンティティを、長手テキストの証拠から導かれる解釈可能かつ進化的意味的構造としてモデル化するための一般的な計算フレームワークは存在しない。 本稿では,セマンティック表現学習,グラフに基づくセマンティックモデリング,組織レベルのセマンティックフィンガード,時間的セマンティック進化,エビデンスによる検証を統合分析手法に統合する計算フレームワークを提案する。 組織は, 多様性, 集中度, 接続性, 新規性, 意味的コミュニティ構成を記述した相補的な意味的次元によって特徴づけられる。 この枠組みは、韓国の4大エンターテイメント企業に属するアーティストのKポップ歌詞の長手コーパスを用いて実証されている。 経験的分析により、識別可能な多次元意味的アイデンティティ、多様な時間的進化軌道、コヒーレントな統合アイデンティティプロファイルが明らかになった。 包括的検証は、推測されたアイデンティティが統計的に支持され、代替的な分析的仮定の下で頑健であり、再現可能であり、運用上有益であることを示す。 ケーススタディの他に、提案するフレームワークは、組織レベルのセマンティックアイデンティティを確立し、縦長のテキストデータから組織行動をモデル化するための伝達可能な方法論を提供する。

関連論文リスト

• Does Syntax Matter? A Graph-Augmented Variational Topic Model for Computational Social Sciences [51.56484100374058]
  本稿では、構文依存関係をトピック推論に組み込んだアーキテクチャである、構造的文脈確率的トピックモデル(SCPTM)を紹介する。 本研究では,レジスタ構造と談話構造が異なる4つのコーパスのトピックモデリング手法について検討した。 その結果, SCPTMのニューラルアーキテクチャは, 生成的ベースラインよりも文書・トピックアライメントが著しく向上していることが示唆された。
  論文  参考訳（メタデータ） (2026-09-07T17:39:06Z)
• SynFlow: A Multidimensional Diachronic Semantic Analysis Toolkit [1.1340133299604382]
  言語用多次元ダイアクロニック解析のためのオープンソースツールキットであるSynFlowについて述べる。 これは、値レベルの分解、統計テスト、レキシカルフィラーのインクリメンタルクラスタリングとともに、異なる距離測度をサポートする。
  論文  参考訳（メタデータ） (2026-08-19T22:11:00Z)
• The Semantic Ladder: A Framework for Progressive Formalization of Natural Language Content for Knowledge Graphs and AI Systems [0.0]
  データと知識のプログレッシブな形式化を可能にするアーキテクチャフレームワークであるSemantic Ladderを紹介します。 このフレームワークは意味的明示性を増すレベルにまたがって表現を整理する。 セマンティックエンリッチメント、ステートメント構造化、論理モデリングをサポートし、セマンティック連続性とトレーサビリティを保存する。
  論文  参考訳（メタデータ） (2026-03-23T15:59:59Z)
• Priors in Time: Missing Inductive Biases for Language Model Interpretability [58.07412640266836]
  スパースオートエンコーダは、時間とともに概念の独立を前提としており、定常性を暗示している。 本稿では,時間的帰納バイアスを持つ新たな解釈可能性目標である時間的特徴分析を導入し,その表現を2つの部分に分解する。 私たちの結果は、堅牢な解釈可能性ツールの設計において、データにマッチする帰納的バイアスの必要性を浮き彫りにしています。
  論文  参考訳（メタデータ） (2025-11-03T18:43:48Z)
• Explainable Chain-of-Thought Reasoning: An Empirical Analysis on State-Aware Reasoning Dynamics [69.00587226225232]
  本研究では,CoTトラジェクトリを構造化潜在力学に抽象化する状態認識遷移フレームワークを提案する。 推論のグローバルな構造を特徴づけるために、それらの進行をマルコフ連鎖としてモデル化する。 この抽象化は、意味的役割の識別、時間的パターンの可視化、一貫性評価など、さまざまな分析をサポートする。
  論文  参考訳（メタデータ） (2025-08-29T18:53:31Z)
• Structures Meet Semantics: Multimodal Fusion via Graph Contrastive Learning [8.187594234413568]
  SSU(Structure-Semantic Unifier)と呼ばれる新しいフレームワークを提案する。 SSUは、モダリティ固有の構造情報と、拡張マルチモーダル表現のためのクロスモーダルセマンティックグラウンドを統合している。 SSUは一貫して最先端の性能を実現し、計算オーバーヘッドを大幅に削減する。
  論文  参考訳（メタデータ） (2025-08-24T13:44:54Z)
• Geometry of Semantics in Next-Token Prediction: How Optimization Implicitly Organizes Linguistic Representations [34.88156871518115]
  Next-token Prediction (NTP) 最適化により、言語モデルがテキストから意味構造を抽出し、整理する。 我々は、より大きな特異値に対応する概念が訓練中に学習され、自然な意味階層が生成されることを示した。 この洞察は、解釈可能なセマンティックカテゴリを識別するための概念記号を組み合わせる方法である、オーサントベースのクラスタリングを動機付けている。
  論文  参考訳（メタデータ） (2025-05-13T08:46:04Z)
• Language Models As Semantic Indexers [78.83425357657026]
  本稿では,ジェネレーティブ言語モデルを用いてセマンティックIDを学習するための自己教師型フレームワークLMIndexerを紹介する。 学習したIDの質を検証し,推奨,製品検索,文書検索の3つの課題において有効性を示す。
  論文  参考訳（メタデータ） (2023-10-11T18:56:15Z)
• Variational Cross-Graph Reasoning and Adaptive Structured Semantics Learning for Compositional Temporal Grounding [143.5927158318524]
  テンポラルグラウンドティング(Temporal grounding)とは、クエリ文に従って、未編集のビデオから特定のセグメントを特定するタスクである。 新たに構成時間グラウンドタスクを導入し,2つの新しいデータセット分割を構築した。 ビデオや言語に内在する構造的意味論は、構成的一般化を実現する上で重要な要素である、と我々は主張する。
  論文  参考訳（メタデータ） (2023-01-22T08:02:23Z)

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。