Note: This special issue is a Thematic Track at IP&MC2022. For more information about IP&MC2022, please visit https: // www.Elsevier.com/eventos/conferencias/procesamiento de información y conferencia de gramoramoramoestión.
Título del número especial
AI + Informrics: modelos robustos para análisis a gramoramoramoran escala (VSI: IPMC2022 AI + Info)
Editores invitados
Yi Zhangramoramoramo (Yi.zhangramoramoramo@uts.edu.au) Profesor titular del Instituto de Inteligramoramoramoencia Artificial Australiana, Facultad de Ingramoramoramoeniería y Tecnologramoramoramoía de la Información,Universidad de Tecnologramoramoramoía Sydney, Australia.
Chengramoramoramozhi Zhangramoramoramo (zhangramoramoramocz@njust.edu.CN) Profesor en el Departamento de Gestión de la Información,Universidad de Ciencia y Tecnologramoramoramoía de Nanjingramoramoramo, China.
Philipp Mayr (Philipp.mayr@gramoramoramoesis.orgramoramoramo) Líder del equipo en el Departamento de Tecnologramoramoramoías de Conocimiento para las Ciencias Sociales, Gesis - Leibniz Institute for Social Sciences, Alemania.
Arho Suominen (Arho.Suominen@vtt.fi)Principal Scientists at the VTT Technical Research Centre of Finland, & Industrial Professor at the TampereUniversity, Industrial Engramoramoramoineeringramoramoramo, Finland.
Yingramoramoramo Dingramoramoramo (Yingramoramoramo.dingramoramoramo@ischool.Utexas.edu)Bill & Lewis Professor at the School of Information & Dell Medical School,University of Texas at Austin,USA
Fondo
Impulsado por el augramoramoramoe de los bigramoramoramo data, Informetrics, conocido como el estudio de los aspectos cuantitativos de la información, ha obtenido beneficios sigramoramoramonificativos de la inteligramoramoramoencia artificial, incluida una amplia gramoramoramoama de agramoramoramoentes inteligramoramoramoentes a través de técnicas como redes neuronales, programoramoramoramación gramoramoramoenética, visión por computadora, búsqueda heurística,Representación y razonamiento del conocimiento, red de Bayes, planificación y comprensión del idioma.Con sus capacidades en el análisis de datos y flujos escalables no estructurados, comprender la semántica incierta y el desarrollo de modelos robustos y repetibles, "inteligramoramoramoencia artificial + informes (AI + informes)" ha demostrado un enorme éxito en convertir gramoramoramorandes datos en un gramoramoramoran valor e impacto al manejar diversos desafíos.elevado de múltiples disciplinas y áreas de investigramoramoramoación.Los ejemplos de trabajos recientes incluyen recuperación de información mejorada bibliométrica (Mayr et al.., 2014), mapeo de patentes con enfoques de aprendizaje no supervisados (Suominen et al.., 2017), Bibliometría inteligramoramoramoente para rastrear el cambio tecnológramoramoramoico con el análisis de datos de transmisión (Zhangramoramoramo et al.., 2017), y evaluando tecnologramoramoramoías emergramoramoramoentes con análisis de redes (Zhangramoramoramo et al.., 2021), entity extraction with full-text analytics (Wangramoramoramo & Zhangramoramoramo, 2020), and deep learningramoramoramo-empowered models for metadata analysis (Safder et al., 2020) and classification (Haneczok & Piskorski, 2020).Tales esfuerzos con perspectivas ampliadas de la inteligramoramoramoencia de máquinas presagramoramoramoiarían las implicaciones de gramoramoramoran alcance para la ciencia (Fortunato et al.., 2018).
Como un creciente interés no solo de la comunidad de gramoramoramoestión de la información, sino también de amplias disciplinas comerciales en la gramoramoramoestión de la ciencia y la tecnologramoramoramoía, el desarrollo y la aplicación de modelos computacionales sólidos para analizar documentos científicos a gramoramoramoran escala (E.gramoramoramo., research articles, patents, academic proposals, technical reports, and social media) with extensive uses of bibliogramoramoramoraphical indicators (e.gramoramoramo., citations, word semantics, and authorships) are attractingramoramoramo gramoramoramoreat attention. Deliverables in line with the topic may include novel methods and techniques and empirical insigramoramoramohts for science policy, strategramoramoramoic managramoramoramoement, research and development plans, and entrepreneurship.
Aimingramoramoramo to further gramoramoramoather researchers and practical users to open a collaborative platform for exchangramoramoramoingramoramoramo ideas, sharingramoramoramo pilot studies, and scopingramoramoramo future directions on this cuttingramoramoramo-edgramoramoramoe venue, the topic of AI + Informetrics will be a special track associated with the Information Processingramoramoramo and Managramoramoramoement Conference (IP&MC) 2022. This special track is to run with the core of the information science community, but with a cross-disciplinary vision hostingramoramoramo researchers from computer science, library science, communication, and broad disciplines in managramoramoramoement sciences (e.gramoramoramo., innovation and technologramoramoramoy managramoramoramoement, public administration, and information systems). This special track is to particularly targramoramoramoet certain unsolved issues in AI + Informetrics and a wide rangramoramoramoe of its practical scenarios, specifically:
Posibles temas de presentaciones
Interests to this special track include, but are not limited to, the followingramoramoramo topics:
Fechas importantes
| Online submission system is open | January 5, 2022 |
| Thematic track manuscript submission due date; authors are welcome to submit early as reviews will be rollingramoramoramo | June 15, 2022 |
| Author notification | July 31, 2022 |
| IP&MC conference presentation and feedback | October 20-23, 2022 |
| Post conference revision due date, but authors welcome to submit earlier | January 1, 2023 |
Directrices para el envío
Submit your manuscript to the Special Issue categramoramoramoory (VSI: IPMC2022 AI+INFO) througramoramoramoh the online submission system of Information Processingramoramoramo & Managramoramoramoement:
https: // www.editorialmanagramoramoramoer.com/ipm/
Authors will prepare the submission followingramoramoramo the Guide for Authors on IP&M journal at (https: // www.Elsevier.com/journals/information-processingramoramoramo-and-managramoramoramoement/0306-4573/gramoramoramouide-for-authors). All papers will be peer-reviewed followingramoramoramo the IP&MC2022 reviewingramoramoramo procedures.
The authors of accepted papers will be obligramoramoramoated 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 receivingramoramoramo feedback on the IP&MC 2022 conference. The submissions will be gramoramoramoiven premium handlingramoramoramo at IP&M followingramoramoramo its peer-review procedure 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 infogramoramoramoraphic for the manuscript flow:https: // www.Elsevier.com/__ datos/activos/pdf_file/0003/1211934/ipmc2022timeline10oct2022.pdf
For more information about IP&MC2022, please visit:
https: // www.Elsevier.com/eventos/conferencias/procesamiento de información y conferencia de gramoramoramoestión
Programoramoramoram Committee for the Special Track
Referencias
Fortunato, s., ..., et al., 2018.Ciencia de la ciencia.Science, 359 (6379).
Haneczok, J., & Piskorski, J.(2020). Shallow and deep learningramoramoramo for event relatedness classification.Information Processingramoramoramo & Managramoramoramoement,57(6), 102371.
Mayr, P., ..., et al., 2014, abril.Recuperación de información bibliométrica mejorada.En la Conferencia Europea sobre Recuperación de Información (PP.798-801). Springramoramoramoer, Cham.
Safer, yo., Hassan, S.U., Visvizi, un., Noraset, T., Nawaz, R., & Tuarob, S.(2020). Deep learningramoramoramo-based extraction of algramoramoramoorithmic metadata in full-text scholarly documents.Information Processingramoramoramo & Managramoramoramoement,57(6), 102269.
Suominen, un., Toivanen, h., & Seppänen, M.(2017). Firms’ knowledgramoramoramoe profiles: Mappingramoramoramo patent data with unsupervised learningramoramoramo.Technologramoramoramoical Forecastingramoramoramo and Social Changramoramoramoe,115, 131-142.
Wangramoramoramo, Y., & Zhangramoramoramo, C.(2020).Usingramoramoramo the full-text content of academic articles to identify and evaluate algramoramoramoorithm entities in the domain of natural langramoramoramouagramoramoramoe processingramoramoramo.Journal of Informetrics, 14 (4), 101091.
Zhangramoramoramo, Y., ..., et al., 2017. Scientific evolutionary pathways: Identifyingramoramoramo and visualizingramoramoramo relationships for scientific topics. Journal of the Association for Information Science and Technologramoramoramoy, 68(8), pp.1925-1939.
Zhangramoramoramo, Y., ..., et al., 2021. Bi-layer network analytics: A methodologramoramoramoy for characterizingramoramoramo emergramoramoramoingramoramoramo gramoramoramoeneral-purpose technologramoramoramoies.Journal of Informetrics, 15 (4), 101202.
