論文の概要: SciGraphSelect: Auditable Scientific Data Selection through Knowledge--Reasoning Graphs

• arxiv url: http://arxiv.org/abs/2610.41280v1
• Date: Fri, 30 Oct 2026 05:36:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.624801
• Title: SciGraphSelect: Auditable Scientific Data Selection through Knowledge--Reasoning Graphs
• Title（参考訳）: SciGraphSelect:知識による聴取可能な科学的データ選択--グラフの推論
• Abstract要約: SciGraphSelectは、監査可能な科学的データ選択のためのフレームワークである。 概念カバレッジ、関係と経路の協調サポート、方向性アライメントを使って候補文書をスコアする。 SciGraphSelectは、それぞれの選択の背後にある基準的な証拠を公開することで、科学トレーニングコーパスの上流構築にトレーサビリティをもたらす。
• 参考スコア（独自算出の注目度）: 2.3072679788432713
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Scientific data selection is typically driven by relevance or utility scores, providing limited insight into why a document is retained. We introduce SciGraphSelect, a reference-grounded framework for auditable scientific data selection. SciGraphSelect organizes domain-specific knowledge, reusable reasoning operations, and reference-attested relations into a typed knowledge--reasoning graph, then scores candidate documents using concept coverage, relation and path co-support, and directional alignment. To avoid over-interpreting document embeddings, rich relational structure is preserved on the reference side while candidate-side evidence is treated conservatively without assuming relation entailment. By exposing the reference-grounded evidence behind each selection, SciGraphSelect brings traceability to the upstream construction of scientific training corpora and complements downstream scientific verification.
• Abstract（参考訳）: 科学的データ選択は通常、関連性やユーティリティスコアによって駆動され、ドキュメントが保持されている理由に関する限られた洞察を提供する。 SciGraphSelectは、監査可能な科学的データ選択のための参照基底フレームワークである。 SciGraphSelectは、ドメイン固有の知識、再利用可能な推論操作、および参照証明された関係を型付き知識推論グラフに整理し、概念カバレッジ、関係と経路共役、方向性アライメントを使用して候補文書をスコアする。 文書埋め込みの過度な解釈を避けるため、関係関係を仮定することなく、候補側証拠を保守的に扱いながら、参照側でリッチな関係構造を保存する。 SciGraphSelectは、それぞれの選択の背後にある基準的根拠を明らかにすることで、上流の科学訓練コーパスの構築にトレーサビリティをもたらし、下流の科学的検証を補完する。

関連論文リスト

• Detecting text level intellectual influence with knowledge graph embeddings [0.0]
  オープンソースジャーナル記事のコーパスを収集し,Gemini LLMを用いて知識グラフ表現を生成する。 提案手法は,前述した手法とグラフニューラルネットワークを用いた新しい埋め込みモデルを用いて,サンプル対の論文間の引用の存在を予測しようとするものである。
  論文  参考訳（メタデータ） (2024-10-31T15:21:27Z)
• You Only Transfer What You Share: Intersection-Induced Graph Transfer Learning for Link Prediction [79.15394378571132]
  従来見過ごされていた現象を調査し、多くの場合、元のグラフに対して密に連結された補グラフを見つけることができる。 より密度の高いグラフは、選択的で有意義な知識を伝達するための自然なブリッジを提供する元のグラフとノードを共有することができる。 この設定をグラフインターセクション誘導トランスファーラーニング(GITL)とみなし,eコマースや学術共同オーサシップ予測の実践的応用に動機づけられた。
  論文  参考訳（メタデータ） (2023-02-27T22:56:06Z)
• Scientific Paper Extractive Summarization Enhanced by Citation Graphs [50.19266650000948]
  我々は、引用グラフを活用して、異なる設定下での科学的論文の抽出要約を改善することに重点を置いている。 予備的な結果は、単純な教師なしフレームワークであっても、引用グラフが有用であることを示している。 そこで我々は,大規模ラベル付きデータが利用可能である場合のタスクにおいて,より正確な結果を得るために,グラフベースのスーパービジョン・サムライゼーション・モデル(GSS)を提案する。
  論文  参考訳（メタデータ） (2022-12-08T11:53:12Z)
• ConstGCN: Constrained Transmission-based Graph Convolutional Networks for Document-level Relation Extraction [24.970508961370548]
  グラフニューラルネットワークによる文書レベルの関係抽出は、トレーニングと推論の基本的なグラフ構築ギャップに直面している。 本稿では,知識に基づく情報伝達を行う新しいグラフ畳み込みネットワークである$textbfConstGCN$を提案する。 実験の結果,本手法はDocREデータセットに対する従来のSOTA(State-of-the-art)アプローチよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2022-10-08T07:36:04Z)
• A Neural Edge-Editing Approach for Document-Level Relation Graph Extraction [9.449257113935461]
  文書内の関係をエンティティ間の関係グラフとして扱う。 関係グラフは、初期グラフのエッジを編集することによって反復的に構成される。 エッジを編集する方法は、それらをクローズファーストな方法で分類することです。
  論文  参考訳（メタデータ） (2021-06-18T03:46:49Z)
• CitationIE: Leveraging the Citation Graph for Scientific Information Extraction [89.33938657493765]
  引用論文と引用論文の参照リンクの引用グラフを使用する。 最先端技術に対するエンド・ツー・エンドの情報抽出の大幅な改善を観察する。
  論文  参考訳（メタデータ） (2021-06-03T03:00:12Z)
• GCNBoost: Artwork Classification by Label Propagation through a Knowledge Graph [32.129005474301735]
  文脈情報はしばしば、そのような現実世界のデータを構成する鍵であり、知識グラフの形で使用することを提案する。 本稿では,注釈付きデータと擬似ラベル付きデータに基づいて構築された知識グラフの新たな利用法を提案する。 ラベルの伝搬により、グラフ畳み込みネットワークを用いてモデルを訓練することにより、アートワークの分類を向上する。
  論文  参考訳（メタデータ） (2021-05-25T11:50:05Z)
• Enhancing Scientific Papers Summarization with Citation Graph [78.65955304229863]
  引用グラフを用いて科学論文の要約作業を再定義します。 我々は,141kの研究論文を異なる領域に格納した,新しい科学論文要約データセットセマンティックスタディネットワーク(ssn)を構築した。 我々のモデルは、事前訓練されたモデルと比較して競争性能を達成することができる。
  論文  参考訳（メタデータ） (2021-04-07T11:13:35Z)
• Tensor Graph Convolutional Networks for Multi-relational and Robust Learning [74.05478502080658]
  本稿では,テンソルで表されるグラフの集合に関連するデータから,スケーラブルな半教師付き学習(SSL)を実現するためのテンソルグラフ畳み込みネットワーク(TGCN)を提案する。 提案アーキテクチャは、標準的なGCNと比較して大幅に性能が向上し、最先端の敵攻撃に対処し、タンパク質間相互作用ネットワーク上でのSSL性能が著しく向上する。
  論文  参考訳（メタデータ） (2020-03-15T02:33:21Z)

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。