論文の概要: IKTRACE: A Natural Language Processing Framework for Identifying Indigenous Knowledge Representation in Academic Literature

• arxiv url: http://arxiv.org/abs/2610.38186v2
• Date: Fri, 30 Oct 2026 10:43:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.388106
• Title: IKTRACE: A Natural Language Processing Framework for Identifying Indigenous Knowledge Representation in Academic Literature
• Title（参考訳）: IKTRACE:学術文献における内在的知識表現の同定のための自然言語処理フレームワーク
• Abstract要約: IKTRACEは、学術文献における内在的知識表現を特定し、分析し、整理するためのフレームワークである。 Inuitパートナと共同で開発されたコミュニティインフォームド分類について紹介する。 IKTRACEは、専門家の検証において高い精度と強いコミュニティ関係を示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As artificial intelligence systems increasingly rely on vast textual data, respectful and accurate representation of Indigenous Knowledge has become critical. This paper introduces IKTRACE, a natural language processing framework for identifying, analyzing, and organizing Indigenous Knowledge representations in academic literature while adhering to Indigenous Data Sovereignty (IDsov) principles. We present a community-informed taxonomy co-developed with Inuit partners, comprising nine knowledge domains grounded in Indigenous Data Sovereignty principles. Building on this taxonomy, we implement a multi-method Knowledge identification pipeline using complementary natural language processing approaches. Outputs are integrated into a knowledge graph to support future expert and community validation. Applied to a corpus of Canadian Arctic research documents, IKTRACE demonstrated high accuracy and strong community relevance in expert validation. Our framework provides a scalable, ethically grounded foundation for Community-centered Knowledge validation and the development of Indigenous-informed AI systems.
• Abstract（参考訳）: 人工知能システムはますます膨大なテキストデータに依存しているため、内在的知識の敬意と正確な表現が重要になっている。 本稿では,学術文献における内在的知識表現を識別・分析・整理するための自然言語処理フレームワークであるIKTRACEについて,IDsov(Indigenous Data Sovereignty)の原則に固執しながら紹介する。 Inuitのパートナーと共同開発したコミュニティインフォーム型分類法について,Indigenous Data Sovereigntyの原則に基づく9つの知識ドメインについて述べる。 この分類法に基づいて,補完的な自然言語処理アプローチを用いたマルチメソッド知識識別パイプラインを実装した。 アウトプットは知識グラフに統合され、将来のエキスパートとコミュニティの検証をサポートする。 カナダ北極研究文書のコーパスに適用されたIKTRACEは、専門家の検証において高い精度と強いコミュニティ関連性を証明した。 当社のフレームワークは,コミュニティ中心の知識検証と内在的インフォームドAIシステムの開発のための,スケーラブルで倫理的な基盤を提供する。

関連論文リスト

• LLM-Supported Formal Knowledge Representation for Enhancing Control Engineering Content with an Interactive Semantic Layer [0.0]
  本稿では,形式的知識表現の半自動生成のためのLLM支援手法について概説する。 自然言語記述や数学的定義を形式化された知識グラフに変換する上で,言語モデルがどのように役立つかを実証する。
  論文  参考訳（メタデータ） (2025-11-04T17:36:57Z)
• Animer une base de connaissance: des ontologies aux mod{è}les d'I.A. g{é}n{é}rative [0.0]
  本稿では、応用分野に基づく象徴型AIとニューラル(または準記号型)AIのハイブリッド化の読解を提案する。 言語学・文化学におけるLaCASエコシステム-オープンアーカイブについて述べる。 知識領域「世界の言語」(540言語)と知識対象「クィンチュア(言語)」を用いて,本手法を解説する。
  論文  参考訳（メタデータ） (2025-09-01T09:40:55Z)
• A Comprehensive Survey on Integrating Large Language Models with Knowledge-Based Methods [4.686190098233778]
  大規模言語モデル(LLM)は構造化知識ベースシステムと統合することができる。 本稿では, LLMと知識基盤の関係を調査し, 実際に適用できる方法について検討し, 技術的, 運用的, 倫理的課題について考察する。 これは、データコンテキスト化、モデル精度、知識リソースの利用に関する構造化知識ベースシステムに生成AIを組み込むことの利点を示す。
  論文  参考訳（メタデータ） (2025-01-19T23:25:21Z)
• A Knowledge Plug-and-Play Test Bed for Open-domain Dialogue Generation [51.31429493814664]
  マルチソース対話知識の選択と応答生成を評価するために,ウィキペディアのマルチソースウィザードというベンチマークを示す。 本稿では,すでに訓練済みの対話モデルを用いて,未確認の情報源からの新たなサポート知識を利用するための新たな課題である対話知識プラグイン・アンド・プレイを提案する。
  論文  参考訳（メタデータ） (2024-03-06T06:54:02Z)
• UNTER: A Unified Knowledge Interface for Enhancing Pre-trained Language Models [100.4659557650775]
  構造化知識と非構造化知識の両方を活用する統一的な視点を提供するために、統一知識インターフェイスUNTERを提案する。 どちらの形態の知識も注入され、UNTERは一連の知識駆動NLPタスクの継続的な改善を得る。
  論文  参考訳（メタデータ） (2023-05-02T17:33:28Z)
• Knowledge Graph Augmented Network Towards Multiview Representation Learning for Aspect-based Sentiment Analysis [96.53859361560505]
  本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。 KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。 3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
  論文  参考訳（メタデータ） (2022-01-13T08:25:53Z)
• Contextualized Knowledge-aware Attentive Neural Network: Enhancing Answer Selection with Knowledge [77.77684299758494]
  ナレッジグラフ(KG)による外部知識による回答選択モデル向上のアプローチを幅広く検討しています。 まず、KGの外部知識とテキスト情報との密接な相互作用を考慮し、QA文表現を学習するコンテキスト知識相互作用学習フレームワークであるナレッジアウェアニューラルネットワーク(KNN)を紹介します。 KG情報の多様性と複雑性に対処するために, カスタマイズされたグラフ畳み込みネットワーク (GCN) を介して構造情報を用いた知識表現学習を改善し, コンテキストベースおよび知識ベースの文表現を総合的に学習する コンテキスト型知識認識型アテンシブニューラルネットワーク (CKANN) を提案する。
  論文  参考訳（メタデータ） (2021-04-12T05:52:20Z)
• CoLAKE: Contextualized Language and Knowledge Embedding [81.90416952762803]
  文脈型言語と知識埋め込み(CoLAKE)を提案する。 CoLAKEは、言語と知識の両方の文脈化された表現を、拡張された目的によって共同で学習する。 知識駆動タスク、知識探索タスク、言語理解タスクについて実験を行う。
  論文  参考訳（メタデータ） (2020-10-01T11:39:32Z)

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。