BE1026761B1 - A COMPUTER IMPLEMENTED METHOD, SYSTEM AND SOFTWARE FOR SELECTING AND COMBINING RELEVANT DATA AND TECHNOLOGY RESEARCH STUDIES - Google Patents
A COMPUTER IMPLEMENTED METHOD, SYSTEM AND SOFTWARE FOR SELECTING AND COMBINING RELEVANT DATA AND TECHNOLOGY RESEARCH STUDIES Download PDFInfo
- Publication number
- BE1026761B1 BE1026761B1 BE20180133A BE201800133A BE1026761B1 BE 1026761 B1 BE1026761 B1 BE 1026761B1 BE 20180133 A BE20180133 A BE 20180133A BE 201800133 A BE201800133 A BE 201800133A BE 1026761 B1 BE1026761 B1 BE 1026761B1
- Authority
- BE
- Belgium
- Prior art keywords
- documents
- implemented method
- software
- selecting
- computer implemented
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
Abstract
De huidige uitvinding betreft een computer geïmplementeerde werkwijze, systeem en software voor het selecteren en combineren van relevante data en studies voor technologie-onderzoek. Verder betreft de uitvinding een werkwijze om een overzichtelijke bibliotheek van resultaten te genereren met relevante wetenschappelijke basisdocumenten. Deze basisdocumenten zijn per technisch domein ingedeeld en per niveau van technologische paraatheid binnen het betrokken technische domein. Tenslotte betreft de uitvinding het gebruik van artificiële intelligentie om feedback van de gebruikers te integreren in toekomstige resultaten.The present invention concerns a computer implemented method, system and software for selecting and combining relevant data and studies for technology research. The invention furthermore relates to a method for generating a clear library of results with relevant scientific basic documents. These basic documents are classified per technical domain and per level of technological preparedness within the technical domain concerned. Finally, the invention concerns the use of artificial intelligence to integrate user feedback into future results.
Description
EEN COMPUTER GEÏMPLEMENTEERDE WERKWIJZE, SYSTEEM EN SOFTWARE VOOR HET SELECTEREN EN COMBINEREN VAN RELEVANTE DATA EN STUDIES VOOR TECHNOLOGIE-ONDERZOEKA COMPUTER IMPLEMENTED METHOD, SYSTEM AND SOFTWARE FOR SELECTING AND COMBINING RELEVANT DATA AND TECHNOLOGY RESEARCH STUDIES
BESCHRIJVINGDESCRIPTION
De uitvinding heeft betrekking op een computer geïmplementeerde werkwijze, systeem en software voor het selecteren en combineren van relevante data en studies voor technologie-onderzoek. Het doel is om een overzichtelijke blbliotheek te genereren met 10 relevante wetenschappelljke baslsdocumenten. Deze baslsdocumenten zijn per technisch domein ingedeeld en legt het niveau van technologische paraatheid vast per betrokken technisch domein. De relevantie van de basisdocumenten wordt bepaald door meta-data, de inhoud van de documenten en gebrulkersfeedback die door middel van artificiële intelligentie ln toekomstige resultaten wordt verwerkt.The invention relates to a computer implemented method, system and software for selecting and combining relevant data and studies for technology research. The aim is to generate a clear library with 10 relevant scientific basls documents. These basls documents are classified per technical domain and establish the level of technological readiness per technical domain involved. The relevance of the master documents is determined by meta-data, the content of the documents and user feedback that is processed in future results by means of artificial intelligence.
BE2018/0133BE2018 / 0133
ACHTERGROND VAN DE UITVINDINGBACKGROUND OF THE INVENTION
Voor grensverleggend technologie-onderzoek is het vastleggen van de relevante technische domeinen en de bijhorende toonaangevende wetenschappelijke basisdocumenten essentieel bij het opstellen van een implementatieplan om nieuwe ontwikkelingen en uitvindingen te realiseren. Voor het opstellen van deze technische domeinen en het verzamelen van de nodige wetenschappelijk basisdocumenten dient een expert in de materie meerdere databanken te raadplegen. Dit is een manueel proces die enkel kan gerealiseerd worden door hoogopgeleide medewerkers met voldoende ervaring in de betrokken technieken en sectoren. Daarom worden er ook vaak meerdere medewerkers ingeschakeld met complementaire competenties die vaak een technische achtergrond hebben en in de markt schaars zijn. Hierdoor is deze activiteit een manueel proces die tijdrovend en duur is.For groundbreaking technology research, establishing the relevant technical domains and the associated leading scientific base documents is essential when drawing up an implementation plan to realize new developments and inventions. For the preparation of these technical domains and the collection of the necessary scientific basic documents, an expert in the field must consult several databases. This is a manual process that can only be realized by highly trained employees with sufficient experience in the techniques and sectors involved. That is why multiple employees are often engaged with complementary competencies, who often have a technical background and are scarce in the market. This makes this activity a manual process that is time consuming and expensive.
Bovendien is de implementeerbaarheid van het resultaat vaak onzeker omdat het niveau van technologische paraatheid van de gevonden oplossingen per technisch domein verschilt waardoor deze niet in eenzelfde product kunnen toegepast worden. Bovendien kan er sprake zijn van tegenstrijdige bevindingen of verwarrend taalgebruik omdat eenzelfde idee of benaming een andere betekenis afhankelijk van het toepassingsdomein.Moreover, the implementability of the result is often uncertain because the level of technological readiness of the solutions found differs per technical domain, so that they cannot be used in the same product. Moreover, there may be conflicting findings or confusing language, because the same idea or name has a different meaning depending on the application domain.
Om de situatie nog ingewikkelder te maken moet deze oefening meermaals herhaald worden tijdens het ontwikkelingsproces van de klant. Dit ontwikkelingsproces kan namelijk meerdere jaren in beslag nemen waardoor het gerapporteerde kennisniveau binnen enkele maanden kan achterhaald zijn. Hierdoor kan een concurrent een ontoelaatbare voorsprong krijgen wanneer deze op een later ogenblik hetzelfde technologie-onderzoek laat uitvoeren. Om dit te voorkomen is het nuttig om meermaals dezelfde opdracht te herhalen waarbij de nieuwe informatie in de databanken ook gebruikt wordt. Omdat dit echter een tijdrovend en duur proces is wordt het aantal iteraties vaak sterk beperkt.To further complicate the situation, this exercise must be repeated several times during the customer's development process. This development process can take several years, as a result of which the reported level of knowledge can be outdated within a few months. This can give a competitor an inadmissible lead if they have the same technology research carried out at a later date. To avoid this, it is useful to repeat the same task several times, using the new information in the databases. However, because this is a time consuming and expensive process, the number of iterations is often very limited.
De huidige uitvinding beoogt een oplossing te vinden voor ten minste enkele van de eerder vermelde uitdagingen. Deze oplossing wordt gezocht in een benadering waarbij een geautomatiseerde oplossing gezocht wordt die delen van het geleverde manuele werk kan overnemen of efficiënter maakt.The present invention aims to solve at least some of the aforementioned challenges. This solution is sought in an approach where an automated solution is sought that can take over parts of the manual work delivered or make it more efficient.
BE2018/0133BE2018 / 0133
SAMENVATTING VAN DE UITVINDINGSUMMARY OF THE INVENTION
De uitvinding gaat over een computer geïmplementeerde werkwijze, systeem en software voor het selecteren en combineren van relevante data en studies voor 5 technologie-onderzoek. Hierbij wordt een veelvoud aan basisdocumenten ingelezen met een hoge informatiedensiteit zoals rapporten, artikels, journalen, protocollen, verhandelingen en octrooien.The invention concerns a computer implemented method, system and software for selecting and combining relevant data and studies for technology research. A multitude of basic documents with a high information density, such as reports, articles, journals, protocols, treatises and patents, are imported.
De beschikbare metadata van deze basisdocumenten wordt aangevuld met extra metadata op basis van de inhoud van deze basisdocumenten. Met behulp van deze 10 volledige set aan metadata worden de meest relevante documenten geselecteerd waarbij het industrialisatiepotentieel gemaximaliseerd wordt en de informatie-overlap tussen de documenten geminimaliseerd wordt.The available metadata of these basic documents is supplemented with additional metadata based on the content of these basic documents. Using this 10 full set of metadata, the most relevant documents are selected, maximizing industrialization potential and minimizing information overlap between documents.
Aanvullend wordt gebruik gemaakt van artificiële intelligentie die de feedback van de gebruikers capteert om de efficiëntie van toekomstige zoekopdrachten te verhogen.Additionally, it uses artificial intelligence that captures user feedback to increase the efficiency of future searches.
BE2018/0133BE2018 / 0133
GEDETAILLEERDE BESCHRIJVINGDETAILED DESCRIPTION
De uitvinding heeft betrekking op een computer geïmplementeerde werkwijze, systeem en software voor het selecteren en combineren van relevante data en studies voor technologie-onderzoek waarbij de volgende stappen doornomen worden:The invention relates to a computer-implemented method, system and software for selecting and combining relevant data and studies for technology research, in which the following steps are taken:
- Het inlezen van meerdere basisdocumenten zoals rapporten, artikels, journalen, protocollen, verhandelingen en octrooien die relevant zijn voor het technologieonderzoek;- Reading in several basic documents such as reports, articles, journals, protocols, treatises and patents that are relevant for the technology research;
- Het inlezen van de metadata van de basisdocumenten;- Reading in the metadata of the basic documents;
- Het aanvullen van deze metadata op basis van woorden en potentiële synoniemen van deze woorden in de basisdocumenten;- Supplementing this metadata based on words and potential synonyms of these words in the basic documents;
- Het aanvullend verwerken van bovenstaande metadata op basis van artificiële intelligentie die de feedback van gebruikers in rekening brengt;- The additional processing of the above metadata based on artificial intelligence that takes into account user feedback;
- Het linken van de basisdocumenten op basis van overeenkomstige kenmerken;- Linking the basic documents based on similar characteristics;
- Het clusteren van groepen van basisdocumenten waarbij het onderscheidend vermogen tussen de clusters gemaximaliseerd wordt;- Clustering groups of basic documents in which the distinctiveness between the clusters is maximized;
- Het koppelen van de clusters aan het bijhorende technisch domein- Linking the clusters to the associated technical domain
- Het rapporteren van de zoekresultaten;- Reporting the search results;
met het kenmerk dat de metadata van de basisdocumenten wordt gebruikt voor het rapporteren van de zoekresultaten. Hierbij kunnen sensorische indicatoren (bv. symbolen en kleurcodes die de relevantie of het technisch domein van een basisdocument aangeven) automatisch opgenomen worden in het rapport met de resultaten.characterized in that the metadata of the base documents is used to report the search results. Sensory indicators (eg symbols and color codes that indicate the relevance or technical domain of a basic document) can be automatically included in the report with the results.
Het clusteren van de resultaten en de bijhorende rapportering omvat een extra kenmerk waarbij de zoekresultaten gepresenteerd worden aan de gebruiker. De feedback van de gebruiker wordt omgezet in extra metadata die toegevoegd wordt aan de basisdocumenten. Door deze aangepaste metadata te gebruiken voor herhaalde of nieuwe zoekopdrachten ontstaat zo een steeds efficiëntere oplossing waarbij ook eerder opgemerkte misverstanden of fouten uitgesloten kunnen worden van het resultaat (of omgekeerd: belangrijke basisdocumenten kunnen opgewaardeerd worden zodat deze vaker In de resultaten naar voren worden gebracht).Clustering of the results and the associated reporting includes an additional feature whereby the search results are presented to the user. The user's feedback is converted into additional metadata that is added to the base documents. By using this modified metadata for repeated or new searches, this results in an increasingly efficient solution, whereby previously noted misunderstandings or errors can be excluded from the result (or vice versa: important basic documents can be upgraded so that they are brought forward more often in the results). .
Hierdoor worden de zoekresultaten ook minder afhankelijk van de input van de gebruiker omdat de belangrijkste documenten sneller gevonden worden. Bovendien kunnen suggesties gemaakt worden aan de gebruiker die toelaten om gerichter te zoeken. Het verkrijgen van de feedback kan rechtstreeks gebeuren door bijvoorbeeldThis also makes the search results less dependent on the user's input because the most important documents are found more quickly. In addition, suggestions can be made to the user that allow for a more targeted search. Obtaining the feedback can be done directly by, for example
BE2018/0133 een score of kernwoord te laten opgeven, maar kan ook onrechtstreeks verkregen worden door bijvoorbeeld de tijd die de gebruiker spendeert aan de resultaten en kopieeroperaties die uitgevoerd worden in de zoekresultaten bij te houden.BE2018 / 0133 to provide a score or keyword, but can also be obtained indirectly, for example by tracking the time the user spends on the results and copy operations performed in the search results.
De feedback van de gebruikers kan ingezet worden voor een proces van artificiële intelligentie. Deze vereisen een grote dataset voor het trainen van het systeem. Door in grote mate automatisering toe te passen en dit toegankelijk te maken voor de eindgebruiker is het mogelijk om een zelflerend systeem op te zetten die leert van het groter aantal zoekopdrachten en de feedback van de klant op het resultaat. Hierdoor zal een systeem verkregen worden die als input de brondocumenten heeft en waarbij een eigen selectie gemaakt wordt die op termijn efficiënter zal zijn dan de logische procesbenadering die initieel dient toegepast te worden.The feedback from the users can be used for a process of artificial intelligence. These require a large data set to train the system. By applying a great deal of automation and making it accessible to the end user, it is possible to set up a self-learning system that learns from the larger number of searches and the customer's feedback on the result. This will result in a system that will have the source documents as input and will make its own selection, which in time will be more efficient than the logical process approach that must be applied initially.
Ook voor de ondergeschikte items zoals het suggereren van zoekwoorden kan artificiële intelligentie toegepast worden om tot een sneller en beter resultaat voor de gebruiker te komen.Also for the subordinate items such as suggesting keywords, artificial intelligence can be applied to achieve a faster and better result for the user.
De metadata omvat ook indicatoren voor het niveau van technologische paraatheid van het onderzoekswerk. Voor klanten is het namelijk belangrijk om snel een inzicht te krijgen in het huidige kennisniveau van de markt. Hierbij dient een onderscheid gemaakt te worden tussen gevalideerde stellingen en hypothetische onderzoeksvragen die wel kansen bieden naar de toekomst toe maar niet onmiddellijk inzetbaar zijn. Om het niveau van technologische paraatheid van de inhoud van de basisdocumenten in te schatten wordt gebruik gemaakt van een woordenbibliotheek die overeenstemt met de overeenkomstige niveaus van technologische paraatheid. Zo zullen woorden zoals bijvoorbeeld labo, prototype, kleinschalig, kort, levensduur, demonstratie ... wijzen op een laag niveau van technologische paraatheid. Dit in tegenstelling tot grootschalig, lang, benchmark, jaren ... die wijzen op een hoog niveau van technologische paraatheid. Hiermee zal in het resultatenrapport een onderscheid gemaakt worden tussen elementen die op korte termijn op grote schaal kunnen gerealiseerd worden, en elementen die nog afhankelijk zijn van langdurige onderzoekstrajecten vooraleer deze succesvol kunnen geïmplementeerd worden.The metadata also includes indicators for the level of technological preparedness of the research work. It is important for customers to gain a quick insight into the current knowledge level of the market. A distinction must be made here between validated statements and hypothetical research questions that do offer opportunities for the future, but are not immediately deployable. To estimate the level of technological preparedness of the content of the master documents, a vocabulary corresponding to the corresponding levels of technological preparedness is used. For example, words such as lab, prototype, small-scale, short, lifespan, demonstration ... will indicate a low level of technological readiness. This in contrast to large-scale, long, benchmark, years ... which indicate a high level of technological readiness. In the results report, a distinction will be made between elements that can be realized on a large scale in the short term, and elements that are still dependent on long-term research processes before they can be successfully implemented.
Doordat de hierboven beschreven stappen toelaten om de meest relevante documenten voor het technologie-onderzoek op een automatische manier te selecteren kan er een aanzienlijke besparing gerealiseerd worden en zal de kwaliteit van het resultaat hoger en consistenter zijn.Because the steps described above allow for the automatic selection of the most relevant documents for the technology research, considerable savings can be realized and the quality of the result will be higher and more consistent.
BE2018/0133BE2018 / 0133
Voor de uitvoeringsvorm worden diverse kenmerken van de basisdocumenten weergegeven waarbij bijvoorbeeld de auteur, de publicatiedatum, de publicatievorm, delen van de titel, kernwoorden uit de conclusies en het aantal referenties weergegeven wordt. Deze informatie laat toe om als snel in de schatten wat de meerwaarde is van de betrokken basisdocumenten en welke prioritair dienen behandeld te worden.For the embodiment, various characteristics of the basic documents are shown, for example the author, the publication date, the form of publication, parts of the title, keywords from the claims and the number of references. This information makes it possible to quickly estimate the added value of the basic documents concerned and which priority should be dealt with.
De uitvoeringsvorm omvat bij voorkeur een tabel waarbij de basisdocumenten en de overeenkomstige kenmerken gerangschikt staan. Hierbij kunnen de geselecteerde basisdocumenten gerangschikt worden volgens elk van de kenmerken en kunnen aanvullende filters toegepast worden. Ook wordt er op vraag van de eindgebruiker een overzicht gegeven van aanvullende documenten die relevant zijn voor de verwerking.The embodiment preferably comprises a table in which the basic documents and the corresponding features are arranged. The selected basic documents can be arranged according to each of the characteristics and additional filters can be applied. At the request of the end user, an overview is also given of additional documents that are relevant for the processing.
De uitvoeringsvorm laat ook toe om de elementen die gebruikt zijn om tot aanvullende metadata te komen aan te dulden in de originele brondocumenten. Hierbij kan de eindgebruiker op een toegankelijke wijze informatie verkrijgen over hoe de brondata verwerkt werd tot de aanvullende metadata en zo extra inzicht te krijgen in de werking van het onderliggende systeem.The embodiment also allows the elements used to arrive at additional metadata to be tolerated in the original source documents. The end user can obtain information in an accessible manner about how the source data was processed into the additional metadata and thus gain additional insight into the functioning of the underlying system.
De uitvoeringsvorm laat toe om documenten die volledig onafhankelijk zijn van elkaar te identificeren. Vaak is het zo dat documenten naar elkaar verwijzen en daardoor zeer gelijkaardige inhoud bevatten. Dit is bijvoorbeeld het geval bij vervolgstudies. Voor de eindgebruiker is het echter niet efficiënt om dezelfde informatie twee of meer keren te verwerken. Daarom zijn documenten met een unieke en aanvullende inhoud die de meeste aandacht dienen te krijgen van te onderscheiden van de overige basisdocumenten.The embodiment allows to identify documents that are completely independent of each other. It is often the case that documents refer to each other and therefore contain very similar content. This is the case, for example, in follow-up studies. However, it is not efficient for the end user to process the same information two or more times. That is why documents with a unique and additional content that should receive the most attention can be distinguished from the other basic documents.
De uitvoeringsvorm laat toe om indicatoren, iconen, alfanumerieke symbolen en andere audiovisuele elementen te voorzien om de gebruiker op een audiovisuele manier te ondersteunen bij verwerken van de relevant bevonden informatie.The embodiment allows to provide indicators, icons, alphanumeric symbols and other audiovisual elements to assist the user in an audiovisual way in processing the information found relevant.
BE2018/0133BE2018 / 0133
BESCHRIJVING VAN DE FIGURENDESCRIPTION OF THE FIGURES
FIG. 1 illustreert een uitvoeringsvorm van de beschreven uitvinding. Een databank met basisdocumenten zoals rapporten, artikels, journalen, protocollen, verhandelingen en 5 octrooien worden Ingelezen. Naast de bestaande metadata die door de auteurs of externe partijen beschikbaar is gesteld wordt er ook extra metadata aangemaakt op basis van de inhoud van de basisdocumenten en de feedback van de gebruikers die op een eerder ogenblik werd verzameld.FIG. 1 illustrates an embodiment of the described invention. A database with basic documents such as reports, articles, journals, protocols, treatises and 5 patents is imported. In addition to the existing metadata made available by the authors or external parties, additional metadata is also created based on the content of the base documents and the user feedback previously collected.
Er wordt een clustering en prioritisering toegepast waarbij concrete en unieke resultaten 10 gescheiden worden van potentiële, toekomstige onderzoeksresultaten. Ook worden de basisdocumenten die volledig onafhankelijk zijn van elkaar geïdentificeerd waarbij overlappende informatie maximaal wordt vermeden.Clustering and prioritization are applied in which concrete and unique results are separated from potential future research results. The basic documents that are completely independent of each other are also identified, avoiding overlapping information as much as possible.
FIG. 2 illustreert een uitvoeringsvorm van de beschreven uitvinding. De feedback van 15 de gebruikers kan ingezet worden voor een proces gebaseerd op artificiële intelligentie die opgesteld wordt door middel van een zelflerend neuraal netwerk. Hiermee wordt een systeem verkregen die een efficiëntere selectie maakt van de basisdocumenten en aanvullende metadata toevoegt aan deze documenten.FIG. 2 illustrates an embodiment of the described invention. The feedback from the users can be used for a process based on artificial intelligence that is drawn up by means of a self-learning neural network. This results in a system that makes a more efficient selection of the basic documents and adds additional metadata to these documents.
Claims (13)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| BE20180133A BE1026761B1 (en) | 2018-11-06 | 2018-11-06 | A COMPUTER IMPLEMENTED METHOD, SYSTEM AND SOFTWARE FOR SELECTING AND COMBINING RELEVANT DATA AND TECHNOLOGY RESEARCH STUDIES |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| BE20180133A BE1026761B1 (en) | 2018-11-06 | 2018-11-06 | A COMPUTER IMPLEMENTED METHOD, SYSTEM AND SOFTWARE FOR SELECTING AND COMBINING RELEVANT DATA AND TECHNOLOGY RESEARCH STUDIES |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| BE1026761A1 BE1026761A1 (en) | 2020-06-03 |
| BE1026761B1 true BE1026761B1 (en) | 2020-06-09 |
Family
ID=64559400
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BE20180133A BE1026761B1 (en) | 2018-11-06 | 2018-11-06 | A COMPUTER IMPLEMENTED METHOD, SYSTEM AND SOFTWARE FOR SELECTING AND COMBINING RELEVANT DATA AND TECHNOLOGY RESEARCH STUDIES |
Country Status (1)
| Country | Link |
|---|---|
| BE (1) | BE1026761B1 (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10095778B2 (en) * | 2005-09-27 | 2018-10-09 | Patentratings, Llc | Method and system for probabilistically quantifying and visualizing relevance between two or more citationally or contextually related data objects |
-
2018
- 2018-11-06 BE BE20180133A patent/BE1026761B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10095778B2 (en) * | 2005-09-27 | 2018-10-09 | Patentratings, Llc | Method and system for probabilistically quantifying and visualizing relevance between two or more citationally or contextually related data objects |
Also Published As
| Publication number | Publication date |
|---|---|
| BE1026761A1 (en) | 2020-06-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kumpulainen et al. | Combining Web of Science and Scopus datasets in citation-based literature study | |
| US8447758B1 (en) | System and method for identifying documents matching a document metaprint | |
| Enríquez et al. | Entity reconciliation in big data sources: A systematic mapping study | |
| EP3270303A1 (en) | An automated monitoring and archiving system and method | |
| Gebreegziabher et al. | Patat: Human-ai collaborative qualitative coding with explainable interactive rule synthesis | |
| Powers et al. | Nanocuration workflows: Establishing best practices for identifying, inputting, and sharing data to inform decisions on nanomaterials | |
| Marshall et al. | Semi-Automated evidence synthesis in health psychology: current methods and future prospects | |
| Cui et al. | Introducing Explorer of Taxon Concepts with a case study on spider measurement matrix building | |
| Whalen et al. | Common law evolution and judicial impact in the Age of Information | |
| Bhat et al. | Adex: A tool for automatic curation of design decision knowledge for architectural decision recommendations | |
| Elsworth et al. | MELODI Presto: a fast and agile tool to explore semantic triples derived from biomedical literature | |
| Ali et al. | The KEEN universe: An ecosystem for knowledge graph embeddings with a focus on reproducibility and transferability | |
| US8914318B2 (en) | Associative relevancy knowledge profiling architecture, system, method, and computer program product | |
| Sánchez-Gómez et al. | Evaluation of computer assisted qualitative data analysis software (CAQDAS) applied to research | |
| Sohrabi et al. | Designing a Predictive Analytics Solution for Evaluating the Scientific Trends in Information Systems Domain. | |
| BE1026761B1 (en) | A COMPUTER IMPLEMENTED METHOD, SYSTEM AND SOFTWARE FOR SELECTING AND COMBINING RELEVANT DATA AND TECHNOLOGY RESEARCH STUDIES | |
| Toro et al. | Dynamic Retrieval Augmented Generation of Ontologies using Artificial Intelligence (DRAGON-AI) | |
| Stafford et al. | A method for interpretively synthesizing qualitative research findings | |
| Trabelsi et al. | User’s behavior in digital libraries: Process mining exploration | |
| Roberts et al. | Information needs and the role of text mining in drug development | |
| Schneider et al. | Evaluation of publication type tagging as a strategy to screen randomized controlled trial articles in preparing systematic reviews | |
| Correa et al. | A deep search method to survey data portals in the whole web: toward a machine learning classification model | |
| Meisenbacher et al. | Transforming unstructured text into data with context rule assisted machine learning (CRAML) | |
| Maksutova | Using MAXQDA’s summary features: Developing social types in migrant integration studies | |
| Haneem et al. | Applying data analytics approach in systematic literature review: Master data management case study |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FG | Patent granted |
Effective date: 20200609 |