論文の概要: Weakly Supervised Adaptation of Scientific Embeddings for Exploratory Literature Mapping

• arxiv url: http://arxiv.org/abs/2610.25413v1
• Date: Sun, 18 Oct 2026 17:09:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 21:25:18.922684
• Title: Weakly Supervised Adaptation of Scientific Embeddings for Exploratory Literature Mapping
• Title（参考訳）: 探究的文献マッピングのための科学的埋め込みの微妙な適応
• Abstract要約: 我々は、既にオープンな引用データベースで利用可能なメタデータのみを用いて、ドメイン内適応の弱さが、この形状を変化させるかどうかを考察する。 我々はOpenAlexにおける結合から得られる正のペアに基づいて訓練された軽量LoRAアダプタを用いてSPECTER2近接モデルを適用する。 適応埋め込みを, しきい値, 固定密度および対称k-アネアレスト近傍グラフ構築条件下でのレキシカル (TF-IDF), 引用ベース (文献結合) およびジェネリックセマンティック (SPECTER2) 表現と比較した。
• 参考スコア（独自算出の注目度）: 1.367029767623542
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Scientific document embeddings such as SPECTER2 are optimized for retrieval over large, heterogeneous corpora. On a small specialized corpus their similarity distributions can become highly compressed, which limits their usefulness for exploratory literature mapping. We study whether weakly supervised in-domain adaptation, using only metadata already available in open citation databases, changes this geometry. On ArtCon, a curated corpus of 704 publications on artificial and machine consciousness, we adapt the SPECTER2 proximity model with a lightweight LoRA adapter trained on positive pairs derived from bibliographic coupling in OpenAlex, using no manually annotated similarity labels. We compare the adapted embeddings with lexical (TF-IDF), citation-based (bibliographic coupling) and generic semantic (SPECTER2) representations under thresholded, fixed-density and symmetric k-nearest-neighbour graph constructions. Adaptation substantially decompresses the similarity distribution (mean pairwise cosine similarity 0.9104 to 0.8663, standard deviation 0.0259 to 0.0594) and yields graphs with markedly higher Louvain modularity and better connectivity than the base encoder under matched edge and neighbourhood budgets. The effect is stable across all three graph constructions and is therefore not an artefact of a single sparsification choice. We report this as a case study on one corpus, and we are explicit about what it does not establish: the clustering indices used here are computed against community labels derived from each representation's own similarity graph, so they measure internal geometric self-consistency rather than agreement with an external topical ground truth, and adaptation and evaluation use the same documents. Evaluation against independent labels, on held-out documents, and against geometric controls is ongoing work.
• Abstract（参考訳）: SPECTER2のような科学的文書の埋め込みは、大規模な異種コーパスの検索に最適化されている。 小さな特殊なコーパスでは、その類似性分布は高度に圧縮され、探索文学マッピングの有用性が制限される。 我々は、既にオープンな引用データベースで利用可能なメタデータのみを用いて、ドメイン内適応の弱さが、この形状を変化させるかどうかを考察する。 人工意識と機械意識に関する704論文のキュレーションコーパスであるArtConでは,OpenAlexにおける書誌結合から得られた正のペアをトレーニングした軽量LoRAアダプタを用いてSPECTER2近接モデルを適用する。 適応埋め込みを, しきい値, 固定密度, 対称k-アネアレスト近傍グラフ構築条件下でのレキシカル (TF-IDF) , 引用ベース (bibliographic coupling) およびジェネリックセマンティック (SPECTER2) 表現と比較した。 適応は類似度分布(平均対コサイン類似度 0.9104 から 0.8663 、標準偏差 0.0259 から 0.0594 )を著しく減らし、マッチしたエッジと近傍の予算の下でのベースエンコーダよりも顕著に高いルービンモジュラリティと接続性を持つグラフを得る。 この効果は3つのグラフ構造全体にわたって安定であり、したがって単一のスカラー化選択の人工物ではない。 ここで使用するクラスタリング指標は,各表現の類似性グラフから得られたコミュニティラベルに対して計算されるので,外部の話題的根拠の真実との一致ではなく,内部の幾何学的自己整合性を測定し,同じ文書を用いて適応と評価を行う。 独立ラベル、保持文書、幾何学的制御に対する評価が進行中である。

関連論文リスト

• A Semantic Approach to the Academic Publishing Network: Document Vector Representations and Hybrid Structural-Semantic Fusion over OpenAlex Data [3.080202462807918]
  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。
  論文  参考訳（メタデータ） (2026-08-11T10:45:56Z)
• SADGE: Structure and Appearance Domain Gap Estimation of Synthetic and Real Data [2.2798328260958063]
  本稿では,一般的なコンピュータビジョンタスクのための合成画像データセットの性能を予測する量的類似度指標であるSADGEを提案する。 合成画像と実画像の間で計算された外観と幾何学的類似度は、オブジェクト検出、セマンティックセグメンテーション、ポーズ推定における下流のパフォーマンスと相関する。 我々は、幾何に基づく手法と外見に基づくアプローチを組み合わせて、すべてのベンチマークファミリでSADGEスコアを計算する。
  論文  参考訳（メタデータ） (2026-05-21T13:27:15Z)
• Aitchison Embeddings for Learning Compositional Graph Representations [8.849342925277577]
  混合の比較のための標準幾何学であるアッチソン幾何に基づくグラフ埋め込みフレームワークを提案する。 提案手法は,ポストホックではなく建設による説明性を提供しながら,強いベースラインを持つ競争性能を実現する。
  論文  参考訳（メタデータ） (2026-05-01T15:05:23Z)
• Robust Scene Coordinate Regression via Geometrically-Consistent Global Descriptors [52.57327385675752]
  幾何学的構造と視覚的類似性の両方に整合したグローバルな記述子を学習するアグリゲータモジュールを提案する。 これにより、信頼できないオーバーラップスコアによる誤関連が修正される。 挑戦的なベンチマークの実験では、大規模環境ではかなりのローカライゼーションが得られた。
  論文  参考訳（メタデータ） (2025-12-19T04:24:03Z)
• Modeling Inter-Intra Heterogeneity for Graph Federated Learning [24.09393705700098]
  We propose a novel Federated learning method by integrally modeling the Inter-Intra Heterogeneity (FedIIH)。 本稿では, サブグラフ間の関係について, 階層的変動モデルを提案し, サブグラフデータの分布全体を多段階的に推定する。 我々のFedIIHは、部分グラフ間の分布類似性を適切に計算するだけでなく、部分グラフ内の無関係な要因に対して頑健な非絡み合った表現も学習する。
  論文  参考訳（メタデータ） (2024-12-16T03:02:42Z)
• SEG:Seeds-Enhanced Iterative Refinement Graph Neural Network for Entity Alignment [13.487673375206276]
  本稿では,マルチソースデータと反復的シード拡張を融合したソフトラベル伝搬フレームワークを提案する。 正試料間距離と負試料の差分処理を行う双方向重み付き共同損失関数を実装した。 提案手法は,既存の半教師付きアプローチよりも優れており,複数のデータセットにおいて優れた結果が得られた。
  論文  参考訳（メタデータ） (2024-10-28T04:50:46Z)
• Pseudo Contrastive Learning for Graph-based Semi-supervised Learning [67.37572762925836]
  Pseudo Labelingは、グラフニューラルネットワーク(GNN)の性能向上に使用されるテクニックである。 我々はPseudo Contrastive Learning(PCL)と呼ばれるGNNのための一般的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-19T10:34:08Z)
• Collaborative likelihood-ratio estimation over graphs [55.98760097296213]
  グラフに基づく相対的制約のない最小二乗重要度フィッティング(GRULSIF) 我々はこの考え方を、グラフベースの相対的非制約最小二乗重要度フィッティング(GRULSIF)と呼ばれる具体的な非パラメトリック手法で開発する。 我々は、ノード当たりの観測回数、グラフのサイズ、およびグラフ構造がタスク間の類似性をどの程度正確にエンコードしているかといった変数が果たす役割を強調する、協調的なアプローチの収束率を導出する。
  論文  参考訳（メタデータ） (2022-05-28T15:37:03Z)
• FactGraph: Evaluating Factuality in Summarization with Semantic Graph Representations [114.94628499698096]
  文書と要約を構造化された意味表現(MR)に分解するFactGraphを提案する。 MRは、コアセマンティックの概念とその関係を記述し、文書と要約の両方の主要な内容を標準形式で集約し、データの疎結合を減少させる。 事実性を評価するための異なるベンチマークの実験では、FactGraphは以前のアプローチよりも最大15%優れていた。
  論文  参考訳（メタデータ） (2022-04-13T16:45:33Z)
• Duality-Induced Regularizer for Semantic Matching Knowledge Graph Embeddings [70.390286614242]
  本稿では, 類似のセマンティクスを持つエンティティの埋め込みを効果的に促進する新しい正規化器(duality-induced RegulArizer (DURA))を提案する。 実験により、DURAは、最先端のセマンティックマッチングモデルの性能を一貫して改善することを示した。
  論文  参考訳（メタデータ） (2022-03-24T09:24:39Z)
• RatE: Relation-Adaptive Translating Embedding for Knowledge Graph Completion [51.64061146389754]
  複素空間における新たな重み付き積の上に構築された関係適応変換関数を提案する。 次に、関係適応型翻訳埋め込み(RatE)アプローチを示し、各グラフを3倍にスコアする。
  論文  参考訳（メタデータ） (2020-10-10T01:30:30Z)

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。