Editorial Ilmu Komputer & AI
Open AccessOA2022
SCICERO: Pendekatan deep learning dan NLP untuk menghasilkan knowledge graph ilmiah di bidang ilmu komputer
SCICERO adalah pendekatan baru yang memanfaatkan NLP dan model Transformer deep learning untuk secara otomatis menghasilkan knowledge graph dari makalah ilmiah, mengatasi hambatan anotasi manual dalam komunikasi keilmuan.
D. Dessรญ; Francesco Osborne; D. Recupero; D. Buscaldi; E. Mottaยท Knowledge-Based Systemsยท 2022ยท DOI 10.1016/j.knosys.2022.109945
Masalah inti
Komunikasi sains menghadapi hambatan signifikan akibat meningkatnya volume makalah penelitian yang diterbitkan dan formatnya berbasis dokumen yang tidak dapat diakses mesin, sehingga menghambat eksplorasi, pembacaan, dan penggunaan kembali hasil penelitian secara efisien. Knowledge Graph (KG) telah muncul sebagai teknologi inti untuk menghubungkan entitas secara semantik dan mengkurasi informasi keilmuan, sehingga menjadikannya dapat dibaca dan dipahami mesin. Namun, anotasi manual yang dibutuhkan dari para peneliti untuk mengisi KG tersebut menjadi kelemahan utama. Untuk mengatasinya, para penulis mengusulkan SCICERO, pendekatan pembangkitan knowledge graph yang secara otomatis memproses teks artikel penelitian untuk menghasilkan KG entitas penelitian.
Inovasi
SCICERO memakai teknik Natural Language Processing (NLP) untuk mengurai isi makalah ilmiah, menemukan entitas dan relasi. Pendekatan ini kemudian memanfaatkan model Transformer deep learning terkini untuk memahami dan memvalidasi informasi yang diekstraksi. Terakhir, pendekatan ini menerapkan praktik terbaik Semantic Web untuk membangun knowledge graph. Pendekatan ini mengintegrasikan komponen-komponen tersebut ke dalam pipeline yang menerima teks mentah dari artikel penelitian sebagai input dan menghasilkan KG terstruktur.
Pendahuluan
Komunikasi sains menghadapi hambatan signifikan akibat meningkatnya volume makalah penelitian yang diterbitkan dan formatnya berbasis dokumen yang tidak dapat diakses mesin, sehingga menghambat eksplorasi, pembacaan, dan penggunaan kembali hasil penelitian secara efisien. Knowledge Graph (KG) telah muncul sebagai teknologi inti untuk menghubungkan entitas secara semantik dan mengkurasi informasi keilmuan, sehingga menjadikannya dapat dibaca dan dipahami mesin. Namun, anotasi manual yang dibutuhkan dari para peneliti untuk mengisi KG tersebut menjadi kelemahan utama. Untuk mengatasinya, para penulis mengusulkan SCICERO, pendekatan pembangkitan knowledge graph yang secara otomatis memproses teks artikel penelitian untuk menghasilkan KG entitas penelitian.
Mengapa penting
Para penulis membahas implikasi SCICERO bagi komunikasi keilmuan, menyoroti potensinya untuk mengotomatiskan kurasi hasil penelitian dan memungkinkan eksplorasi serta penggunaan kembali pengetahuan ilmiah secara lebih efisien. Mereka juga membahas batasan dan pekerjaan mendatang, seperti memperluas pendekatan ke domain lain dan meningkatkan ketahanan langkah ekstraksi serta validasi. Pembahasan menekankan pentingnya informasi keilmuan yang dapat dibaca mesin dan peran KG dalam memajukan sains.
Siapa yang sebaiknya membaca
Pembaca Research Digest dan praktisi rumpun ini.
Membuka konten memberโฆ