Fugu-MT 論文翻訳(概要): Concept Representations in Vector Space: Toward an Interdisciplinary Study of Meaning Variation

論文の概要: Concept Representations in Vector Space: Toward an Interdisciplinary Study of Meaning Variation

arxiv url: http://arxiv.org/abs/2610.25184v1
Date: Sun, 18 Oct 2026 11:12:23 GMT
ステータス: 情報取得中
システム内更新日: 2026-10-20 22:08:44.847983
Title: Concept Representations in Vector Space: Toward an Interdisciplinary Study of Meaning Variation
Title（参考訳）: ベクトル空間における概念表現 : 意味変化の学際的研究に向けて
Abstract要約: 潜在構造として、概念表現は経験的にアクセスしモデル化することが困難である。本研究では,概念表現を実証的に利用可能にする計測フレームワークを提案する。 1) 概念間の表現共有性の比較,(2) 表現変動と相関する変数の同定,(3) 焦点アクターやサブ集団が基準集団からどのように逸脱するかを調べる。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: An increasing number of disciplines recognize the explanatory potential of meaning-bearing mental structures through which individuals interpret the world and guide their behavior. Concept representations constitute a core class of these structures, emerging from individuals' experiences with concept referents and encoding and organizing their understanding of them. Recognizing a private level of meaning, where concepts are not objectively defined by rules in the world but constitute subjective structures in individuals' minds, raises a fundamental question: do different individuals actually mean the same thing when they invoke the same concept? As latent structures, concept representations are difficult to access and model empirically. The present study introduces a measurement framework that makes such representations empirically accessible through textual traces elicited under standardized conditions. Using transformer-based sentence embeddings, the framework maps standardized responses elicited for concepts into a high-dimensional shared vector space, opening concept representations to the systematic analysis of interindividual variation. It develops three analytical avenues: (1) comparing representational sharedness across concepts, (2) identifying variables that correlate with representational variation, and (3) examining how focal actors or subpopulations deviate from a reference population. Each avenue is illustrated through an empirical proof-of-concept drawing on a large-scale free-association dataset. Together, the demonstrations show how researchers from across disciplines can move from a research question and data source to analysis and interpretation. An accompanying GitHub repository provides a ready-to-use implementation of the framework for existing and custom datasets.
Abstract（参考訳）: 多くの規律は、個人が世界を解釈し、その行動を導く意味を持つ精神構造の説明的可能性を認識している。概念表現は、概念参照者に対する個人の経験から生まれ、それらの理解を符号化し整理する、これらの構造の中核クラスを構成する。概念が世界の規則によって客観的に定義されるのではなく、個人の心の主観的構造を構成する、プライベートな意味のレベルを認識することは、根本的な疑問を提起する: 異なる個人は同じ概念を呼び出すときに、実際に同じことを意味しているのか? 潜在構造として、概念表現は経験的にアクセスしモデル化することが困難である。本研究では,このような表現を,標準化された条件下でのテキストトレースを通じて経験的に利用できるようにするための測定フレームワークを提案する。変換器をベースとした文の埋め込みを用いて、このフレームワークは概念の標準化された応答を高次元の共有ベクトル空間にマッピングし、概念表現を個人間変動の体系的解析に開放する。 1) 概念間の表現共有性の比較,(2) 表現変動と相関する変数の同定,(3) 焦点アクターやサブ集団が基準集団からどのように逸脱するかを調べる。それぞれの道は、大規模なフリーアソシエーションデータセット上の実証的な概念実証によって説明される。このデモは、さまざまな分野の研究者が、研究の質問やデータソースから分析や解釈へとどのように移行するかを示している。付属するGitHubリポジトリは、既存のデータセットとカスタムデータセットのためのフレームワークの使い勝手の良い実装を提供する。

関連論文リスト

Toward a Unified Mathematics of Concepts [4.979725367638729]
概念は一般的に、知識の抽象的でコンパクトな表現として定義され、知的行動の基本単位として扱われる。しかし、認知、心理学、AIには、それらに共通する数学的言語が欠けている。 10のフレームワークは、自己完結したコンテンツやリレーショナルな構造、進化するプロセスといった概念に対するコミットメントを具現化している。
論文参考訳（メタデータ） (2026-09-21T13:19:13Z)
Are You Thinking What I am Thinking? : Examining Conceptual Separation in Neural Architectures [0.0]
畳み込みニューラルネットワーク(CNN)と大規模言語モデル(LLM)の概念的組織について検討する。 CNNでは、慣れ親しんだImageNetの概念は一貫性があり、セマンティックに順序づけられた表現を形成するが、これは目に見えない概念を弱める。 LLMでは、明確に区別されたドメインが適切に分離され、関連するドメインがより深く移動し、あいまいなトピックの区別が崩壊する。これらの結果は、概念的分離は、出力精度だけでは不可能な構造を明らかにし、モデルがいかに頑健に、そのモデルを識別するよう要求された概念を表すかの有用な診断として役立ちうることを示唆している。
論文参考訳（メタデータ） (2026-09-01T05:53:05Z)
HistLens: Mapping Idea Change across Concepts and Corpora [23.935379969646394]
HistLensは、多概念、マルチコーパスの概念的歴史分析のための統一されたSAEベースのフレームワークである。 HistLensは、概念進化のパターンのクロスコンセプション、クロスコーパスをサポートし、暗黙的な概念計算を可能にする。
論文参考訳（メタデータ） (2026-04-13T17:22:02Z)
Insight: Interpretable Semantic Hierarchies in Vision-Language Encoders [52.94006363830628]
言語対応の視覚基盤モデルは、下流の様々なタスクで強く機能する。近年の研究では、これらの表現を人間の解釈可能な概念に分解するが、空間的接地が乏しく、画像分類に限られている。入力画像に人間が解釈可能で空間的に接地した、きめ細かい概念を提供する言語対応概念基盤モデルであるInsightを提案する。
論文参考訳（メタデータ） (2026-01-20T09:57:26Z)
A Geometric Unification of Concept Learning with Concept Cones [58.70836885177496]
解釈可能性の2つの伝統は、並べて進化してきたが、互いに話すことはめったにない:概念ボトルネックモデル(CBM)とスパースオートエンコーダ(SAE)。両パラダイムが同じ幾何学的構造をインスタンス化することを示す。 CBMは人間の定義した参照ジオメトリを提供するが、SAEは学習した円錐がCBMをどの程度よく近似するか、あるいは包含しているかによって評価することができる。
論文参考訳（メタデータ） (2025-12-08T09:51:46Z)
MindCraft: How Concept Trees Take Shape In Deep Models [15.113541622429084]
コンセプトツリー上に構築されたMindCraftフレームワークを紹介します。概念木は階層的な概念の出現を再構築し、共有表現から線形に分離可能な部分空間へと正確に分岐する。実証的な評価は、概念ツリーが意味的階層を回復し、潜在概念を歪め、複数のドメインにまたがって広く適用可能であることを示している。
論文参考訳（メタデータ） (2025-09-26T20:39:52Z)
On the Role of Entity and Event Level Conceptualization in Generalizable Reasoning: A Survey of Tasks, Methods, Applications, and Future Directions [62.06913340614293]
本稿では,概念化されるインスタンスのタイプに基づいて,異なる概念化のタイプを4つのレベルに分類する。本稿では,150以上の論文を包括的に調査し,概念化に関連するさまざまな定義,リソース,手法,下流アプリケーションについて調査する。
論文参考訳（メタデータ） (2024-06-16T10:32:41Z)
Intrinsic Physical Concepts Discovery with Object-Centric Predictive Models [86.25460882547581]
PHYsical Concepts Inference NEtwork (PHYCINE) は、異なる抽象レベルの物理概念を監督なしで推論するシステムである。物理概念変数を含むオブジェクト表現は因果推論タスクの性能向上に有効であることを示す。
論文参考訳（メタデータ） (2023-03-03T11:52:21Z)
Visual Superordinate Abstraction for Robust Concept Learning [80.15940996821541]
概念学習は言語意味論と結びついた視覚表現を構成する。視覚概念の本質的な意味的階層を探索する失敗のボトルネックについて説明する。本稿では,意味認識型視覚サブ空間を明示的にモデル化するビジュアル・スーパーオーディネート・抽象化・フレームワークを提案する。
論文参考訳（メタデータ） (2022-05-28T14:27:38Z)
Towards Visual Semantics [17.1623244298824]
私たちは、人間の視覚的知覚の精神表現、すなわち概念の構築方法を研究します。本稿では,分類概念と呼ばれる概念に対応する物質概念を学習する理論とアルゴリズムを提案する。予備的な実験は、アルゴリズムが正しい精度で属と分化の概念を取得することを証明している。
論文参考訳（メタデータ） (2021-04-26T07:28:02Z)

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。