pConceptMap2025-09-08

from A Framework for Constructing Concept Maps from E-Books Using Large Language Models: Challenges and Future Directions pConceptMap2025-09-08

• Concept Map

memo https://chatgpt.com/c/68ba96f1-2650-8320-84a6-33bb3f7838ae

4段階：①セクション分割→②概念抽出→③関係同定→④統合

• 抽出された概念のラベル
• その間の関係の同定
• この流れはKeichobotにも関係しそうだ

実験結果まとめ： 📊 生成された概念（5個）：

• globalization (グローバル化) - core
• digital technology (デジタル技術) - core
• democracy (民主主義) - core
• plurality (多元性) - core
• collaboration (協働) - supplementary

🔗 概念間の関係（4つ）：

• globalization → digital_technology (prerequisite_of, 0.90)
• democracy ← collaboration (part_of, 0.85)
• digital_technology → plurality (example_of, 0.80)
• democracy ↔ globalization (contrasts_with, 0.75)

おおよその流れは理解できた。

• まず与えられたドキュメントから「重要そうなキーワード」を抽出し、
• それからそのキーワードリストとドキュメントのセットを与えて「関係性」を抽出する

費用検討

• いまgpt-4o-mini

• 開発者向けの料金は、100万入力トークンあたり15セント、100万出力トークンあたり60セント（標準的な書籍の約2500ページに相当）です。...ChatGPT では、本日より Free、Plus、Team ユーザーが GPT‑3.5 を置き換え GPT‑4o mini にアクセスできるようになります。

  • https://openai.com/ja-JP/index/gpt-4o-mini-advancing-cost-efficient-intelligence/
• https://openai.com/ja-JP/api/pricing/
  • GPT-5, mini, nano
    • 出力で $10, $2, $0.4

GPT-5-mini vs 他モデル比較 🏆 GPT-5-mini の特徴 📊 概念の詳細度:

• より詳細で正確な概念定義
• **⿻（ユニコード記号）**という細かい要素まで抽出
• 日本語と記号を組み合わせた複合的な理解 🔗 関係性の精度:
• 6つの関係性を抽出（他モデルは4つ程度）
• 高い信頼度（0.90-0.95）
• 相互関係も捉えている（uses ↔ example_of）

双方向の矢印が重なるのは見づらいので合成したいね

• そもそもpart_ofみたいな関係性を抽出しているのはLLM以前の思想、関係も言葉で説明させればいい
• 関係をシンボル化しない

テキストに根差した関係抽出

• 関係は意味であり逆もまた真

next pConceptMap2025-09-09