FAIR Data Principles
PulseAugur coverage of FAIR Data Principles — every cluster mentioning FAIR Data Principles across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
zbMATH开放知识图谱绘制250年数学研究图景
研究人员开发了zbMATH开放知识图谱，这是一个跨越250多年数学研究的广泛RDF知识图谱。该图谱通过整合专家策划的语义内容，如评论、关键词、学科分类和消歧后的作者信息，超越了典型的文献和引用数据。zbMATH开放知识图谱包含3400万个实体和1.68亿个RDF三元组，旨在促进对数学概念和学术关系在长时间内的深入分析。
-
新的开放数据库为研究标准化大学跑步数据
研究人员推出了国家跑步俱乐部数据库（NRCD），这是首个大规模、公开可用的大学跑步成绩数据集。该数据库包含来自 28,000 多名运动员的 128,000 多项成绩，涵盖 1,300 场比赛，时间跨度从 2004 年到 2026 年。它包括详细的元数据，如许多比赛的赛道距离、海拔和天气条件，以及统一的性能标准化框架。该资源旨在支持各种研究领域，包括纵向运动员建模、环境因素研究和大学体育中的性别平等研究。
-
FAIR GraphRAG框架通过FAIR数据原则增强AI检索
研究人员推出FAIR GraphRAG，一个旨在通过整合FAIR数据原则来增强检索增强生成（RAG）系统的新型框架。该方法使用FAIR数字对象（FDO）作为基于图的检索系统的核心组件，其中每个节点代表一个包含数据、元数据和语义链接的FDO。该框架由医学和计算机科学专业人士共同开发，已应用于生物医学数据集，在问答方面，尤其是在处理复杂查询时，展示了更高的准确性、覆盖率和可解释性。
-
AI4EOSC平台整合了用于科学研究的AI/ML生命周期
研究人员开发了AI4EOSC，这是一个新的开源平台，旨在将人工智能和机器学习工具整合到欧洲开放科学云（EOSC）中。该平台旨在弥合行业标准的MLOps与科学研究的特定需求之间的差距，特别是在数据管理的FAIR原则方面。AI4EOSC采用模块化、分布式架构和“FAIR优先”的方法来标准化元数据和跟踪来源，从而促进跨异构研究基础设施的AI/ML模型的开发、训练和部署。