論文の概要: Building Knowledge Graphs for Theses: A Survey

• arxiv url: http://arxiv.org/abs/2610.28648v1
• Date: Mon, 05 Oct 2026 16:53:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-26 00:37:12.15064
• Title: Building Knowledge Graphs for Theses: A Survey
• Title（参考訳）: 知識グラフの構築: サーベイ
• Abstract要約: 学術的なこれらは科学的知識の貴重な情報源であるが、その意味的な利用は限られている。 本稿では,既存のアプローチを体系的にレビューし,論文領域への応用の可能性について分析する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Academic theses are a valuable source of scientific knowledge, yet their semantic exploitation remains limited. While Scholarly Knowledge Graphs have significantly advanced the representation of scientific publications, knowledge graph construction for academic theses has received comparatively limited attention. This paper provides a systematic review of existing approaches and analyzes their potential application for the thesis domain. We analyzed 46 peer-reviewed studies published between 2021 and 2025, and organised existing approaches into a structured classification of techniques, models, and tools. The review reveals a methodological evolution from natural language processing techniques for entity and relation extraction to ontology engineering, Semantic Web technologies, and AI-driven enrichment through knowledge graph embeddings, Linked Open Data, and Large Language Models. The findings provide a consolidated view of the current state of the art and identify methodological foundations and future research directions for building knowledge graphs for the thesis domain.
• Abstract（参考訳）: 学術的なこれらは科学的知識の貴重な情報源であるが、その意味的な利用は限られている。 Scholarly Knowledge Graphsは学術出版物の表現を著しく進歩させてきたが、学術出版物の知識グラフ構築は比較的注目を集めている。 本稿では,既存のアプローチを体系的にレビューし,論文領域への応用の可能性について分析する。 我々は2021年から2025年にかけて発行された46のピアレビュー研究を分析し、既存のアプローチを手法、モデル、ツールの構造化された分類に編成した。 このレビューでは、エンティティと関係抽出のための自然言語処理技術から、オントロジーエンジニアリング、セマンティックWeb技術、知識グラフ埋め込み、リンクオープンデータ、および大規模言語モデルによるAI駆動の強化まで、方法論的な進化が明らかにされている。 本研究は,論文領域の知識グラフ構築のための方法論の基礎と今後の研究の方向性を総合的に把握するものである。

関連論文リスト

• Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
  オンロジはドメインの知識とメタデータを表現するために広く使われている。 直接支援できる論理的推論は、学習、近似、予測において非常に限られています。 1つの簡単な解決策は、統計分析と機械学習を統合することである。
  論文  参考訳（メタデータ） (2024-06-16T14:49:19Z)
• Knowledge Graph Extension by Entity Type Recognition [2.8231106019727195]
  本稿では,エンティティ型認識に基づく知識グラフ拡張フレームワークを提案する。 このフレームワークは、異なる知識グラフ間でスキーマとエンティティを整列させることにより、高品質な知識抽出を実現することを目的としている。
  論文  参考訳（メタデータ） (2024-05-03T19:55:03Z)
• AceMap: Knowledge Discovery through Academic Graph [90.12694363549483]
  AceMapは学術グラフによる知識発見のために設計された学術システムである。 本稿では,AceMapデータベースを構築するための高度なデータベース構築手法を提案する。 AceMapは、学術的アイデアの進化をトレースするなど、高度な分析機能を提供する。
  論文  参考訳（メタデータ） (2024-03-05T01:17:56Z)
• Graph Foundation Models: Concepts, Opportunities and Challenges [66.37994863159861]
  ファンデーションモデルは、さまざまな人工知能アプリケーションにおいて重要なコンポーネントとして現れてきた。 一般化と適応における基礎モデルの能力は、グラフ機械学習研究者を動機付け、新しいグラフ学習パラダイムを開発する可能性について議論する。 本稿では,グラフ基礎モデル(GFM)の概念を紹介し,その重要な特徴と基礎技術について概説する。
  論文  参考訳（メタデータ） (2023-10-18T09:31:21Z)
• Generating Knowledge Graphs by Employing Natural Language Processing and Machine Learning Techniques within the Scholarly Domain [1.9004296236396943]
  本稿では、自然言語処理と機械学習を利用して研究論文から実体や関係を抽出する新しいアーキテクチャを提案する。 本研究では,現在最先端の自然言語処理ツールとテキストマイニングツールを用いて,知識抽出の課題に取り組む。 セマンティックWebドメイン内の論文26,827件から抽出した109,105件のトリプルを含む科学知識グラフを作成した。
  論文  参考訳（メタデータ） (2020-10-28T08:31:40Z)

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。