AI + Informatrics: Modèles robustes pour l'analyse à grande échelle - Conférence de traitement de l'information et de gestion - Elsevier Search Support View Cart

Note: This special issue is a Thematic Track at IP&MC2022. For more information about IP&MC2022, please visit https: // www.Elsevier.com / événements / conférences / transformation de l'information-conférence-conférence.

Titre du numéro spécial

AI + Informitrics: modèles robustes pour l'analyse à grande échelle (VSI: IPMC2022 AI + info)

Éditeurs invités

Yi zhang (yi.zhang @ uts.édu.AU) Conférencier principal à l'Australian Artificial Intelligence Institute, Faculté d'ingénierie et de technologie de l'information,Université de technologie Sydney, Australie.

Chengzhi Zhang (zhangcz @ njust.édu.CN) Professeur au Département de gestion de l'information,Université des sciences et technologies de Nanjing, Chine.

Philipp Mayr (Philipp.Mayr @ Gesis.org) Leader d'équipe au Département des technologies de la connaissance pour les sciences sociales, Gesis - Leibniz Institute for the Social Sciences, Allemagne.

Arho Suominen (Arho.Suominen @ VTT.fi)Principal Scientists at the VTT Technical Research Centre of Finland, & Industrial Professor at the TampereUniversity, Industrial Engineering, Finland.

Ying ding (ying.ding @ ischool.utexas.édu)Bill & Lewis Professor at the School of Information & Dell Medical School,University of Texas at Austin,USA

Arrière plan

Poussé par le boom des mégadonnées, l'information, connue sous le nom d'étude des aspects quantitatifs de l'information, a tiré des avantages importants de l'intelligence artificielle - y compris un large éventail d'agents intelligents à travers des techniques telles que les réseaux de neurones, la programmation génétique, la vision informatique, la recherche heuristique,,Représentation et raisonnement des connaissances, réseau Bayes, planification et compréhension des langues.Avec ses capacités pour analyser les données et les flux évolutifs non structurés, la compréhension de la sémantique incertaine et le développement de modèles robustes et reproductibles, «l'intelligence artificielle + l'information (AI + Informationtrics)» a démontré un énorme succès dans la transformation de Big Data en grande valeur et impact en gantant divers défis et des défis diversélevé à partir de plusieurs disciplines et domaines de recherche.Des exemples de travaux récents incluent la récupération d'informations améliorée par bibliométrie (Mayr et al., 2014), cartographie des brevets avec des approches d'apprentissage non supervisées (Suominen et al., 2017), Bibliométrie intelligente pour le suivi des changements technologiques avec l'analyse des données en streaming (Zhang et al., 2017), et évaluer les technologies émergentes avec des analyses de réseau (Zhang et al., 2021), entity extraction with full-text analytics (Wang & Zhang, 2020), and deep learning-empowered models for metadata analysis (Safder et al., 2020) and classification (Haneczok & Piskorski, 2020).De telles efforts ayant des perspectives élargies de l'intelligence des machines présageraient des implications de grande envergure pour la science (Fortunato et al., 2018).

En tant qu'intérêt croissant non seulement de la communauté de la gestion de l'information, mais aussi de grandes disciplines commerciales en science et de la gestion de la technologie, en développant et en appliquant des modèles informatiques robustes pour analyser les documents scientifiques à grande échelle (E.g., Articles de recherche, brevets, propositions académiques, rapports techniques et médias sociaux) avec des utilisations approfondies des indicateurs bibliographiques (E.g., les citations, la sémantique de mots et les auteurs) attirent une grande attention.Les livrables conformément au sujet peuvent inclure de nouvelles méthodes et techniques et des idées empiriques pour la politique scientifique, la gestion stratégique, les plans de recherche et de développement et l'entrepreneuriat.

Aiming to further gather researchers and practical users to open a collaborative platform for exchanging ideas, sharing pilot studies, and scoping future directions on this cutting-edge venue, the topic of AI + Informetrics will be a special track associated with the Information Processing and Management Conference (IP&MC) 2022.Cette piste spéciale est de fonctionner avec le cœur de la communauté des sciences de l'information, mais avec une vision interdisciplinaire accueillant des chercheurs en informatique, science des bibliothèques, communication et larges disciplines en sciences de la gestion (E.g., l'innovation et la gestion de la technologie, l'administration publique et les systèmes d'information).Cette piste spéciale vise particulièrement à cibler certains problèmes non résolus dans l'IA + Informétrique et un large éventail de ses scénarios pratiques, en particulier:

Sujets possibles des soumissions

Les intérêts à ce morceau spécial incluent, mais sans s'y limiter, les sujets suivants:

Rendez-vous importants

Directives de soumission

Submit your manuscript to the Special Issue category (VSI: IPMC2022 AI+INFO) through the online submission system of Information Processing & Management:

https: // www.EditorialManager.com / ipm /

Authors will prepare the submission following the Guide for Authors on IP&M journal at (https: // www.Elsevier.com / journaux / traitement de l'information et gestion / 0306-4573 / guide pour les auteurs). All papers will be peer-reviewed following the IP&MC2022 reviewing procédures.

The authors of accepted papers will be obligated to participate in IP&MC 2022 and present the paper to the community to receive feedback. The accepted papers will be invited for revision after receiving feedback on the IP&MC 2022 conference. The submissions will be given premium handling at IP&M following its peer-review procédure and, (if accepted), published in IP&M as full journal articles, with also an option for a short conference version at IP&MC2022.

Please see this infographic for the manuscript flow:https: // www.Elsevier.com / __ data / actifs / pdf_file / 0003/1211934 / ipmc2022timeline1022.pdf

For more information about IP&MC2022, please visit:

https: // www.Elsevier.com / événements / conférences / transformation de l'information-conférence-conférence

Comité du programme pour la piste spéciale

Références

Fortunato, s.,…, Et al., 2018.Science des sciences.Science, 359 (6379).

Haneczok, J., & Piskorski, J.(2020).Apprentissage peu profond et en profondeur pour la classification de la parenté des événements.Information Processing & Management,57(6), 102371.

Mayr, P.,…, Et al., 2014, avril.Récupération d'informations améliorée à l'amélioration bibliométrique.Dans la conférence européenne sur la récupération de l'information (pp.798-801).Springer, Cham.

Safder, je., Hassan, s.U., Visvizi, un., Noraset, t., Nawaz, R., & Tuarob, S.(2020).Extraction basée sur l'apprentissage en profondeur des métadonnées algorithmiques dans des documents savants en texte intégral.Information Processing & Management,57(6), 102269.

Suominen, un., Toivanen, h., & Seppänen, M.(2017).Profils de connaissances des entreprises: cartographie des données de brevet avec un apprentissage non supervisé.Prévision technologique et changement social, 115, 131-142.

Wang, y., & Zhang, C.(2020).Using the full-text content of academic articles to identify and evaluate algorithm entities in the domain of natural language processing.Journal of Informetrics, 14 (4), 101091.

Zhang, Y.,…, Et al., 2017.Voyages évolutifs scientifiques: identifier et visualiser les relations pour des sujets scientifiques.Journal of the Association for Information Science and Technology, 68 (8), pp.1925-1939.

Zhang, Y.,…, Et al., 2021.Analyse du réseau de bi coupées: une méthodologie pour caractériser les technologies émergentes à usage général.Journal of Informetrics, 15 (4), 101202.