Hierarchical Tree-structured Knowledge Graph For Academic Insight Survey

要約

研究調査は、研究訓練を受けていない初心者の研究者にとって常に課題となっています。
これらの研究者は、研究テーマの方向性を理解し、短期間で新たな研究成果を発見することに苦労しています。
初心者の研究者に直感的な支援を提供する 1 つの方法は、関連するナレッジ グラフ (KG) を提供し、関連する学術論文を推奨することです。
ただし、既存のナビゲーション ナレッジ 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よくあります。
さらに、学術論文の推薦システムのほとんどはテキストの類似性の高さに単純に依存しているため、研究者はなぜ特定の論文が推薦されるのか混乱する可能性があります。
彼らは、得たいと思っている「問題の解決」と「問題の発見」の間の洞察のつながりに関する重要な情報を把握していない可能性があります。
そこで本研究では、研究課題の継承洞察や論文間の関連性洞察を反映した階層ツリー構造のナレッジグラフを構築し、初心者研究者の研究洞察調査を支援することを目的としています。

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

著者 Jinghong Li,Huy Phan,Wen Gu,Koichi Ota,Shinobu Hasegawa
発行日 2024-09-25 12:57:03+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CL, cs.DL, cs.LG パーマリンク