Scholar2Vec: 研究者の多様な活動情報を埋め込める深層潜在空間の構築

Scholar2Vec：构建深层潜在空间，可以嵌入研究人员多样化活动的信息

• 批准号: 20H04484
• 负责人: 桂井 麻里衣
• 金额: $ 11.56万
• 依托单位: Doshisha University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (B)
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20H04484/
• 关键词: 学術データ分析; 自然言語処理; 研究者; 学術情報検索; 学術ビッグデータ; 学術論文データベース; BERT

本研究の目的は、ビッグデータ化の進む学術情報から研究内容の特徴軸をデータドリブンに発見し、個々の研究者の専門興味を多元的に表現する技術を構築することである。具体的には、大規模論文集合に高度な意味解析を導入し、研究者の多様な活動情報を埋め込める深層潜在空間を構築する。これにより、研究活動情報に対し固定次元ベクトルを出力するモデルを構築する。２０２２年度は研究代表者の休業に伴い研究を一時中断したため、当初の研究期間を1年延長することとなった。研究再開後は研究者埋め込みの算出方法について検討と実験を進めた。並行してインターネット上の研究者情報を大規模収集する手法を構築した。ウェブページのカテゴリ分類手法を導入し、学術データベースに収録されていない研究業績を補うことを試みた。以上の内容は2023年度に発表予定である。研究成果情報から埋め込みを構築するにあたり、学術ドメインに特化した日本語のモデルが必要であり、和文論文抄録を用いて事前訓練モデルを構築した。具体的には、テキスト分類などの利用を想定した事前訓練済みエンコーダモデルと、テキスト生成などの利用を想定した事前訓練済みエンコーダ・デコーダモデルをそれぞれ用意した。文分類、文対分類、ヘッドライン生成モデルはウェブ上で公開済みである。モデルの応用として、本研究課題により得られた知見は様々なウェブデータの学習に生かしており、その一例として動画プラットフォームに関する文書集合を用いてBERTを事前訓練し、下流タスクにおける性能を評価した。この成果は2023年度に発表予定である。

は の purpose, this study ビ ッ グ デ ー タ change の into む academic intelligence か ら research content の, 徴 shaft を デ ー タ ド リ ブ ン に 発 し, a 々 の researchers の 専 door tumblers を multivariate に performance す を る technology to construct す る こ と で あ る. Specific に は, large-scale paper collection に highly analytical を な means import し, researchers の others な activity intelligence を buried め 込 め る を deep potential space to construct す る. <s:1> れによ れによ, research activity intelligence に contributes to the <s:1> fixed dimension ベ, ト, を, を, するモデ, を and する. 2022 は study represent a closed on の に with い を temporarily interrupt し た た め, を の study period 1 year to extend original す る こ と と な っ た. After the study was reopened, the researchers of め込み calculated the method に め込み て検 て検 て検 sought と experiment を into めた. Parallel て て を タ タ ネット ネット the researcher information を large-scale collection する techniques を construct た た. ウ ェ ブ ペ ー ジ の カ テ ゴ リ classification technique を import し, academic デ ー タ ベ ー ス に 収 recorded さ れ て い な い research results fill を う こ と を try み た. The above content is に for the year 2023 and is subject to である. Research intelligence か ら buried め 込 み を build す る に あ た り, academic ド メ イ ン に specialized し た Japanese の モ デ ル が necessary で あ り, and paper transcribing を い て prior training モ デ ル を build し た. Specific に は, テ キ ス ト classification な ど の using を scenarios し た prior training 済 み エ ン コ ー ダ モ デ ル と, テ キ ス ト generated な ど の using を scenarios し た prior training 済 み エ ン コ ー ダ · デ コ ー ダ モ デ ル を そ れ ぞ れ intention し た. The text classification, text-to-text classification, and ヘッドラ ヘッドラ ヘッドラ are used to generate モデ モデ ウェブ ウェブ that is publicly available on で. モ デ ル の 応 with と し て, this research topic に よ り have ら れ た knowledge は others 々 な ウ ェ ブ デ ー タ の learning に raw か し て お り, そ の case と し て animation プ ラ ッ ト フ ォ ー ム に masato す る document collection を with い て BERT を し prior training, obscene タ ス ク に お け る を performance evaluation 価 し た. The results of に for the year 2023 have been confirmed as である.

项目成果

A Japanese Masked Language Model for Academic Domain

• 发表时间: 2022
• 作者: Hiroki Yamauchi;Tomoyuki Kajiwara;Marie Katsurai;Ikki Ohmukai;Takashi Ninomiya

SolutionTailor: Scientific Paper Recommendation Based on Fine-Grained Abstract Analysis

SolutionTailor：基于细粒度摘要分析的科技论文推荐

• 发表时间: 2022
• 作者: Tetsuya Takahashi;Marie Katsurai
• 通讯作者: Marie Katsurai

University of Kentucky(米国)

肯塔基大学（美国）

Adoption of Data Mining Methods in the Discipline of Library and Information Science

• DOI: 10.6182/jlis.202106_19(1).001
• 发表时间: 2021-06
• 作者: Marie Katsurai;Soohyung Joo

Multilingual author matching across different academic databases: a case study on KAKEN, DBLP, and PubMed

• DOI: 10.1007/s11192-020-03861-3
• 发表时间: 2021-02
• 期刊: Scientometrics
• 影响因子: 3.9
• 作者: Yuto Chikazawa;Marie Katsurai;I. Ohmukai