Liên hệ
Tiếng Việt
Tiếng Anh
Thứ hai, 15/06/2026
Natural Scientific Language Processing and Research Knowledge Graphs. First International Workshop, NSLP 2024, Hersonissos, Crete, Greece, May 27, 2024, Proceedings
Cập nhật vào: Thứ tư - 17/09/2025 00:48
Nhan đề chính: Natural Scientific Language Processing and Research Knowledge Graphs. First International Workshop, NSLP 2024, Hersonissos, Crete, Greece, May 27, 2024, Proceedings
Nhan đề dịch: Xử lý ngôn ngữ khoa học tự nhiên và đồ thị tri thức nghiên cứu. Hội thảo quốc tế lần thứ nhất, NSLP 2024, Hersonissos, Crete, Hy Lạp, ngày 27 tháng 5 năm 2024. Kỷ yếu.
Tác giả: Georg Rehm
Nhà xuất bản: Springer Nature
Năm xuất bản: 2024
Số trang: 308 tr.
Ngôn ngữ: Tiếng Anh
ISBN: 978-3-031-65794-8
SpringerLink
Lời giới thiệu: Cuốn sách "Natural Scientific Language Processing and Research Knowledge Graphs" là tập kỷ yếu của Hội thảo quốc tế lần thứ nhất NSLP 2024, được tổ chức tại Hersonissos, đảo Crete, Hy Lạp vào ngày 27 tháng 5 năm 2024. Tác phẩm là một đóng góp quan trọng cho lĩnh vực xử lý ngôn ngữ tự nhiên (NLP) trong bối cảnh học thuật và khoa học, đặc biệt nhấn mạnh đến việc xây dựng và ứng dụng các đồ thị tri thức nghiên cứu (Research Knowledge Graphs – RKG). Cuốn sách tập hợp các bài báo khoa học được trình bày tại hội thảo, phản ánh những tiến bộ mới nhất trong việc khai thác ngôn ngữ khoa học tự nhiên – bao gồm văn bản học thuật, tài liệu nghiên cứu và dữ liệu khoa học – để trích xuất thông tin, phát hiện tri thức và xây dựng các hệ thống thông minh hỗ trợ nghiên cứu. Đặc biệt, các công trình trong tập sách tập trung vào cách sử dụng NLP để tạo ra và nâng cao chất lượng của các đồ thị tri thức, từ đó thúc đẩy quá trình tổ chức, khám phá và kết nối thông tin nghiên cứu một cách tự động, hiệu quả. Các chủ đề chính được đề cập bao gồm:
Trích xuất thực thể và quan hệ từ văn bản khoa học.
Biểu diễn tri thức nghiên cứu dưới dạng cấu trúc đồ thị.
Tích hợp và chuẩn hóa dữ liệu nghiên cứu liên ngành.
Ứng dụng RKG trong các hệ thống gợi ý, truy xuất thông tin và phân tích học thuật.
Sử dụng các mô hình học sâu và ngôn ngữ lớn (LLMs) trong xử lý ngôn ngữ khoa học.
Đây là tài liệu hữu ích cho các nhà nghiên cứu, kỹ sư dữ liệu, chuyên gia NLP và các tổ chức khoa học, những người đang quan tâm đến việc tự động hóa quy trình hiểu và phân tích dữ liệu học thuật. Cuốn sách cũng là nền tảng quan trọng cho các nghiên cứu liên ngành, mở đường cho việc tích hợp trí tuệ nhân tạo vào hoạt động nghiên cứu khoa học hiện đại. Với sự quy tụ của các nhà nghiên cứu hàng đầu và những đóng góp học thuật chất lượng, sách không chỉ phản ánh tình hình nghiên cứu hiện tại mà còn định hình xu hướng phát triển tương lai của lĩnh vực NLP khoa học và đồ thị tri thức.
Từ khóa: Ngôn ngữ khoa học. Xử lý ngôn ngữ. Đồ thị tri thức nghiên cứu. Ngôn ngữ tự nhiên. Kỷ yếu hội nghị.
Nội dung cuốn sách gồm những phần sau:
Xử lý thông tin học thuật
Trả lời câu hỏi học thuật sử dụng mô hình ngôn ngữ lớn trong cổng thông tin khoa học dữ liệu NFDI4
Phát hiện giá trị trích dẫn trên mạng xã hội: Nghiên cứu sơ bộ
Hướng tới phân loại mới về các loại bảng trong ấn phẩm học thuật
Làm sạch OCR văn bản khoa học bằng mô hình học sâu và ngôn ngữ lớn (LLM)
Xác định và tận dụng phần mềm nghiên cứu
RTaC: Khung công cụ tổng quát
Phân loại ý định trích dẫn phần mềm khoa học sử dụng mô hình ngôn ngữ lớn
RepoFromPaper: Một phương pháp trích xuất triển khai mã phần mềm từ các ấn phẩm khoa học
Trích xuất tự động hướng dẫn cài đặt phần mềm nghiên cứu từ tệp README: Phân tích ban đầu
Nền tảng quản lý tài liệu kỹ thuật/khoa học
Biểu đồ tri thức nghiên cứu
Ảnh hưởng của lược đồ tri thức đến việc phân loại các đề xuất nghiên cứu trong tương lai
Đánh giá sự chồng chéo của biểu đồ tri thức khoa học: Phân tích định lượng
Nhiệm vụ chung: FoRC
FoRC@NSLP2024: Tổng quan và hiểu biết sâu sắc từ lĩnh vực phân loại nghiên cứu Nhiệm vụ chung
NRK tại FoRC 2024 Nhiệm vụ phụ I: Khai thác các mô hình dựa trên BERT để phân loại đa lớp các bài báo khoa học
Nâng cao chỉ mục chủ đề tự động: Kết hợp giám sát yếu với phân loại đa nhãn cực đoan
Phân loại lĩnh vực nghiên cứu đa phương thức đơn nhãn
Nhúng BERT làm giàu cho Phân loại ấn phẩm học thuật
Nhiệm vụ chung: SOMD
SOMD@NSLP2024: Tổng quan và thông tin chi tiết từ nhiệm vụ chung về phát hiện đề cập phần mềm
Nhận dạng đề cập phần mềm với khung ba giai đoạn dựa trên mô hình BERTology tại SOMD 2024
Nhóm ABCD tại SOMD 2024: Phát hiện đề cập phần mềm trong học thuật ấn phẩm với mô hình ngôn ngữ lớn
Falcon 7b để phát hiện đề cập phần mềm trong tài liệu học thuật
Nâng cao trích xuất thông tin liên quan đến phần mềm thông qua trả lời câu hỏi lựa chọn đơn với mô hình ngôn ngữ lớn
