PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.26218v1cs.IR

학술 출판 네트워크에 대한 시맨틱 접근법: OpenAlex 데이터 기반 문서 벡터 표현 및 하이브리드 구조적-시맨틱 융합

A Semantic Approach to the Academic Publishing Network: Document Vector Representations and Hybrid Structural-Semantic Fusion over OpenAlex Data

학술 출판 네트워크에 대한 구조적 그래프 분석은 엔티티 간의 위상학적 관계를 포착하지만 연구 저작물의 내용은 파악하지 못합니다. 본 연구는 기존 구조적 접근법을 바탕으로 시맨틱 층(layer)과 매개변수화된 구조적-시맨틱 융합을 통해 이를 보완합니다. 우리는 과학 문헌을 인용 정보 기반 벡터 임베딩(SPECTER2)으로 표현하고, 고유한 OpenAlex ID를 키로 하여 임베디드 벡터 데이터베이스에 저장함으로써 그래프 층과 직접 연결되도록 합니다. 또한 시맨틱 유사도(임베딩의 코사인 유사도)와 구조적 유사도(서지 결합)를 특정 태스크에 따라 값이 선택되는 조정 가능한 가중치(weight) 알파(alpha)로 결합하는 모듈형 후기 융합 함수를 정의합니다. VSB - Technical University of Ostrava 코퍼스를 대상으로 두 가지를 보여줍니다. 즉, 인용 정보 기반 임베딩은 TF-IDF 기준선(baseline)보다 전문가가 구축한 OpenAlex 주제 분류 체계와 더 잘 일치하며, 추천 활용 사례에서는 가용 데이터에 따라 구조적, 시맨틱 및 결합된 신호가 서로 다른 체계에서 정보를 전달한다는 점입니다. 여기서 하이브리드 융합은 보편적으로 더 우수한 방법이라기보다는 태스크에 맞추어 상호 보완적인 신호를 제어하기 위한 명시적 메커니즘입니다. 우리는 재현 가능한 워크플로와 함께 전체 접근법을 apnet 라이브러리의 오픈 소스 확장으로 공개합니다.

arXiv:2603.22510v3cs.DL

ChatGPT 이후 정보시스템 저널의 연구 신규성: 기관 언어 맥락에 따른 차이

Research Novelty in Information Systems Journals After ChatGPT: Differences Across Institutional Language Contexts

대규모 언어 모델(LLM)이 학술 작업에서 점점 더 많이 사용되고 있지만, 그 생산성 향상이 연구 신규성의 변화를 수반하는지는 여전히 불분명하다. 우리는 ChatGPT가 널리 보급된 이후 정보시스템 저널에서 상대적 초록 수준의 의미적 신규성이 어떻게 변했는지, 그리고 이러한 변화가 기관 언어 맥락에 따라 달라졌는지를 검토한다. 2020년부터 2025년까지 44개 A* 및 A 등급 정보시스템 저널에 게재된 13,847편의 논문을 분석한다. 제목과 초록의 SPECTER2 표현을 사용하여 각 논문의 가장 가까운 최근 선행 연구와의 의미적 거리를 측정하고 비교적 전/후 모델을 추정한다. 영어가 주류가 아닌 국가의 기관에 소속된 제1저자 논문은 영어가 주류인 소속 논문보다 상대적 의미적 신규성의 2022년 이후 하락이 표준편차 0.176만큼 더 크며, 이는 약 7 백분위수 포인트에 해당한다. 여러 대안적 명세에서도 패턴은 유사하지만, 균형 저자 추정치는 덜 정밀하다. 이 발견을 생성형 AI(GenAI) 지원 지식 작업 내의 긴장 관계를 통해 해석한다. GenAI는 선행 지식에 대한 접근을 넓히고 새로운 결합을 지원할 수 있지만, 기존의 틀을 더 쉽게 재현하게 만들 수도 있다. 개별 LLM 사용은 관측되지 않기 때문에, 이 결과는 LLM 도입의 효과라기보다 이질적인 2022년 이후 변화를 식별한다. 본 연구는 출판 건수에서 게재 논문의 의미적 위치로 관심을 전환하고, 2022년 이후 변화가 기관 맥락에 따라 다름을 보여 줌으로써 LLM과 학술 생산성에 관한 연구를 확장한다.