Hierarchical Tree-structured Knowledge Graph For Academic Insight Survey

要約

研究調査は、研究トレーニングを受けていない初心者研究者にとって、常に課題となっている。このような研究者は、研究テーマの方向性を理解することや、短期間で新しい研究成果を発見することに苦労しています。初心者研究者に直感的な支援を提供する一つの方法は、関連する知識グラフ(KG)を提供し、関連する学術論文を推薦することです。しかし、既存のナビゲーション知識グラフは、主に研究分野のキーワードに依存しており、複数の関連論文間の論理階層を明確に提示できないことが多い。さらに、学術論文の推薦システムの多くは、単にテキストの類似度の高さに依存しており、研究者は特定の論文がなぜ推薦されるのか混乱する可能性がある。また、研究者が得たい「課題解決」と「課題発見」の洞察的関連性についての重要な情報を把握できない可能性がある。このような問題点を解決するために、本研究では、研究トピックの継承インサイトと学術論文間の関連性インサイトを反映した階層ツリー構造の知識グラフを構築することで、初心者研究者の研究インサイト調査を支援することを目的とする。

要約(オリジナル)

Research surveys have always posed a challenge for beginner researchers who lack of research training. These researchers struggle to understand the directions within their research topic, and the discovery of new research findings within a short time. One way to provide intuitive assistance to beginner researchers is by offering relevant knowledge graphs(KG) and recommending related academic papers. However, existing navigation knowledge graphs primarily rely on keywords in the research field and often fail to present the logical hierarchy among multiple related papers clearly. Moreover, most recommendation systems for academic papers simply rely on high text similarity, which can leave researchers confused as to why a particular article is being recommended. They may lack of grasp important information about the insight connection between ‘Issue resolved’ and ‘Issue finding’ that they hope to obtain. To address these issues, this study aims to support research insight surveys for beginner researchers by establishing a hierarchical tree-structured knowledge graph that reflects the inheritance insight of research topics and the relevance insight among the academic papers.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL