研究論文、著者、機関は、計量書誌データが複数のデータベースに分散した複雑なエンティティです。Entity Enricher では、引用数、h-index の値、所属機関、手法の詳細、資金源に対応するカスタムスキーマを定義でき、そのすべてが複数の AI モデルによってエンリッチメントされ、相互検証されます。
計量書誌データはPubMed、Scopus、Web of Science、Google Scholar、機関リポジトリに分散しています。引用数はインデックスごとに異なり、著者の所属は時間とともに変わり、メタデータの品質も一貫していません。手作業での集約は煩雑でミスが起こりやすく、特に系統的レビューや研究動向分析では顕著です。
Entity Enricher のアプローチは、この課題に独自に適しています。複数の LLM はそれぞれ異なる学習データと知識を備えており、より豊かなカバレッジを生み出します。次にマルチモデルフュージョンが差異を調整します。2 つのモデルが異なる引用数を報告した場合、中央値が自動的に選択されるか、アービトレーションモデルがどのソースが最も信頼できるかを推論できます。
分析に必要な計量書誌学的・方法論的なフィールドを正確に定義します。AIスキーマ生成を使って、サンプルの出版レコードからこのスキーマを作成できます。
{
"name": "ResearchEntity",
"properties": {
"title": { "type": "string", "is_key": true },
"authors": {
"type": "array",
"items": {
"type": "object",
"properties": {
"name": { "type": "string" },
"affiliation": { "type": "string" },
"orcid": { "type": "string" },
"h_index": { "type": "number" }
}
}
},
"doi": { "type": "string" },
"publication_year": { "type": "number" },
"journal": { "type": "string" },
"impact_factor": { "type": "number" },
"citation_count": { "type": "number" },
"abstract_summary": { "type": "string" },
"methodology": {
"type": "object",
"properties": {
"study_type": { "type": "string" },
"sample_size": { "type": "number" },
"statistical_methods": { "type": "array" },
"peer_reviewed": { "type": "boolean" }
}
},
"keywords": { "type": "array", "items": { "type": "string" } },
"funding_sources": {
"type": "array",
"items": {
"type": "object",
"properties": {
"funder": { "type": "string" },
"grant_id": { "type": "string" }
}
}
}
}
}書誌計量データを方法論や機関情報から分離することで、各専門分野が焦点を絞ったプロンプトを受け取れるようになり、より正確なエンリッチメントが実現します。
| フィールド | 専門知識 | 説明 |
|---|---|---|
| title | 一般 | 出版物の正式タイトルおよび別タイトル |
| authors | 計量書誌学 | 著者名、所属、ORCID ID、h-index の値 |
| citation_count | 計量書誌学 | 主要インデックスからの被引用数合計 |
| impact_factor | 計量書誌学 | 発表時のジャーナルインパクトファクター |
| methodology | 手法 | 使用された研究デザイン、サンプルサイズ、統計手法 |
| keywords | 一般 | MeSH用語、著者キーワード、classificationコード |
| funding_sources | 機関向け | 資金提供機関、助成金番号、金額 |
| abstract_summary | 一般 | 調査結果の簡潔な要約 |
計量書誌データ、方法論、機関情報のフィールドを定義します。サンプルの出版レコードを貼り付けて、AIにスキーマを生成させましょう。
論文タイトル、DOI、または著者名を入力してください。バッチモードを使用して、読書リストや系統的レビューの候補セットを処理できます。
複数のLLMが各出版物を個別に調査し、さまざまなトレーニングデータを活用して、引用データベースと機関記録をより広範にカバーします。
構造化された書誌計量データを、プログラムによる分析用に JSON 形式で、手動レビューや注釈付け用に Excel 形式でダウンロードできます。
候補となる論文を方法論の詳細、サンプルサイズ、品質指標で enrichment し、スクリーニングと適格性評価に役立てます。
研究分野または治療領域全体で、出版動向、共同研究ネットワーク、資金調達パターンをマッピングします。
採用や提携の判断のため、研究者プロファイルをh指数、所属機関の履歴、助成金、共同研究ネットワークでエンリッチします。
研究分野における資金源、助成金額、資金提供された研究テーマを特定し、助成金戦略に役立てます。
計量書誌スキーマを定義し、複数のAIモデルで相互検証して、系統的レビューやランドスケープ分析のための構造化された研究インテリジェンスを取得します。
無料で始める