征稿启事
我们诚邀您参加2024年4月22日至26日在中国长春举行的第五届科学文献知识实体提取与评估（EEKE2024）和第四届人工智能+信息计量学（AII2024）联合研讨会
https://eeke-workshop.github.io/2024
研讨会的目的
在大数据时代，海量的信息和数据极大地改变了人类文明。信息的广泛可用性为人们提供了更多的机会，但一个新的挑战正在上升：我们如何从众多信息来源中获取有用的知识。知识实体是特定学科或研究领域中相对独立、完整的知识模块[1]。作为知识传播的重要媒介，包含大量知识实体的科学文献吸引了学者的关注[2]。与此相辅相成的是，信息学，即对信息定量方面的研究，已经从人工智能（AI）中获得了巨大的好处，因为它能够分析非结构化的可扩展数据和流，理解不确定的语义，以及开发强大且可重复的模型。将信息计量学与人工智能技术相结合，在将大数据转化为巨大价值和影响方面取得了巨大成功。例如，深度学习方法启发了模式识别的研究，并进一步利用时间序列来跟踪技术变革。然而，从理论和实践的角度来看，如何有效地整合人工智能和信息计量学的力量来创建跨学科的解决方案仍然难以捉摸。
该研讨会旨在让相关社区参与从科学文献和人工智能+信息中提取和评估知识实体的开放性问题。具体而言，科学文献中的知识实体可能包括方法实体、任务、数据集和指标、软件和工具等[3]。知识实体应用包括知识实体图谱和路线图的构建、知识实体引用的建模功能等。有一些基于知识实体的在线平台，例如SAGE研究方法和“SOTA”项目。同时，本次研讨会还针对人工智能+信息计量学中某些未解决的问题及其广泛的实际场景，包括：将人工智能和信息计量学联系起来，从理论或实践的角度填补跨学科的差距;构建人工智能赋能的信息计量模型，增强鲁棒性、适应性和有效性，利用信息管理中的知识、概念和模型，加强人工智能+信息计量学的可解释性，以适应现实世界案例中的实证需求[4]。
是次联合研讨会将这两个前沿和跨学科的方向命名为：知识实体的提取和评估（EEKE），重点介绍从科学文献中识别知识实体的智能方法的发展，并促进其在广泛的信息研究中的应用。AI + Informetrics （AII），强调通过构建基础理论、开发新方法、将概念知识与实际应用联系起来以及创建实际解决方案来努力实现 AI 和信息计量学的交互。
本次研讨会旨在聚集研究人员和实际用户，在这个前沿场所开设一个协作平台，交流思想、分享试点研究并确定未来方向。
研讨会主题
该研讨会主要面向广泛的信息和图书馆学、科学科学、人工智能领域的学术研究人员，图书馆员、ST&I管理人员和政策制定者以及任何相关部门的从业人员也将对此感兴趣。
我们邀请对包括但不限于知识实体提取方法和知识实体应用等主题进行激励性研究。感兴趣的领域的具体示例包括：科学文献中的任务和方法对科学文档中的实体提取进行建模和算法数据集和指标提到从科学文献中提取从科学文献中提取软件和工具知识实体摘要知识实体的关系抽取知识实体引文的建模功能机器学习（包括深度学习）的信息计量学具有自然语言处理或计算语言学的信息计量学计算机视觉信息计量学信息计量学与其他相关人工智能技术（例如，信息检索）人工智能在科学中的应用面向科学、技术和创新的人工智能人工智能在研究政策和战略管理中的应用知识实体抽取的应用人工智能赋能信息计量学的应用
投稿须知
所有提交的内容必须以英文书写，遵循CEUR-ART风格，并应以PDF文件的形式提交给EasyChair。常规论文：全文10页，短篇论文4页，参考文献不限页数。海报和演示：我们欢迎提交作品，详细说明知识实体提取的原始、早期发现、正在进行的工作和工业应用，以及评估，以参加特别的海报会议，可能会在主要会议中进行2分钟的演示。一些研究方向的论文也将被邀请参加海报轨道，尽管海报和研究轨道提交之间的最终程序没有区别。这些论文应遵循与研究轨道论文相同的格式，但可以更短（海报和演示论文为 2 页）。
所有提交的内容将由至少两名独立评审员进行评审。请注意，每篇论文至少需要一名作者注册参加研讨会并参加研讨会以展示工作。如果没有出现，论文（即使被接受）将从会议记录和程序中删除。
研讨会论文集将在线存放在CEUR研讨会论文集出版服务中。这样一来，论文集将永久可用并可引用（数字持久标识符和长期保存）。
所属专题
被接受的投稿将被邀请提交给我们的技术预测和社会变革特刊。有关本期特刊的更多详细信息，请访问：https://eeke-workshop.github.io/2024/si-eeke-aii.html。
重要日期
所有日期都是地球上的任何地方 （AoE）。
投稿截止日期：2024年2月29日
录用通知：2024年3月20日
准备就绪：2024年3月30日
研讨会：2024年4月22日
引用
1. Chang，X.，Zheng，Q.（2008 年）。基于知识的学习资源组织的知识元素提取。在： Leung， H.， Li， F.， Lau， R.， Li， Q. （eds） Advances in Web Based Learning – ICWL 2007.国际妇女委员会，2007年。计算机科学讲义，第 4823 卷。施普林格，柏林，海德堡。https://doi.org/10.1007/978-3-540-78139-4_10
2. Ying， D.， Min， S.， Jia， H.， Qi， Y.， Erjia， Y.， Lili， L.， Tamy， C. 实体指标：衡量实体的影响。公共科学图书馆一号， 2013， 8（8）， e71416. https://doi.org/10.1371/journal.pone.0071416
3. Zhang， C.， Mayr， P.， Lu， W.， & Zhang， Y. （2022）.JCDL2022研讨会：从科学文献中提取和评估知识实体（EEKE2022）。在第 22 届 ACM/IEEE 数字图书馆联合会议 （JCDL '22） 的论文集中。美国纽约州纽约市计算机协会，第54条，第1-2条。https://doi.org/10.1145/3529372.3530917
4. Zhang， Y.， Zhang， C.， Mayr， P.， & Suominen， A.《AI+信息学：大数据时代的多学科互动》社论。科学计量学 127， 6503–6507（2022）。https://doi.org/10.1007/s11192-022-04561-w
