Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Kongresse
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Veranstaltungskalender Awards MyNewsletter Firmensuche
Kunden Login
Über Einzelzugang informieren
Über Unternehmenszugang informieren
Referenzkunden
Elektrische Antriebe und Energiesysteme 2025 | 26 + 27 März 2025

19. Internationaler MTZ-Fachkongress Zukunftsantriebe

Seien Sie bei der Konferenz dabei! Dort treffen Experten aus der Automobilindustrie, Energieerzeugung und Stromnetzbetrieb auf Vertreter aus Politik und Wissenschaft. Diskutiert werden wichtige Themen der Branche.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Kapitel lesen Erstes Kapitel lesen

2025 | OriginalPaper | Buchkapitel

A Novel Interdisciplinarity Model Towards Inter-domain Information Pairing

verfasst von : Nicolas Douard, Ahmed Samet, George Giakos, Denis Cavallucci

Erschienen in: World Conference of AI-Powered Innovation and Inventive Design

Verlag: Springer Nature Switzerland

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

This study introduces an interdisciplinary prediction framework as part of a novel approach that integrates the Inventive Design Method (IDM), Topic Modeling, and Generative AI to foster innovation across academic fields. Identifying interdisciplinary connections is essential for solving complex, multi-domain problems. Our research uses a supervised machine learning classifier to identify interdisciplinary documents within the Semantic Scholar corpus, extracting latent insights. The Text Convolutional Neural Network model performed best, achieving an F1 score of 0.80. We find that approximately 25% of human knowledge is interdisciplinary. This framework helps create comprehensive knowledge maps across multiple domains, promoting innovation through effective cross-domain knowledge transfer.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Comparative Modular Product Development Using TRIZ, AI, and VA++
Nächstes Kapitel Systematic Prototyping Using TRIZ
Literatur
1.
Douard, N., Samet, A., Giakos, G.C., Cavallucci, D.: Navigating the knowledge network: how inter-domain information pairing and generative AI can enable rapid problem-solving. In: TFC (2023)
2.
Cavallucci, D.: From TRIZ to inventive design method (IDM): towards a formalization of inventive practices in R &D departments (2012)
3.
4.
Lo, K., Wang, L.L., Neumann, M., Kinney, R.M., Weld, D.S.: S2ORC: the semantic scholar open research corpus. In: Annual Meeting of the Association for Computational Linguistics (2020)
5.
Wagner, C.S., et al.: Approaches to understanding and measuring interdisciplinary scientific research (IDR): a review of the literature. J. Informetr. 5, 14–26 (2011)CrossRef
6.
Altshuller, G.S., Shulyak, L.A.: And Suddenly the Inventor Appeared: TRIZ, the Theory of Inventive Problem Solving. Technical Innovation Center (1996)
7.
Douard, N., Samet, A., Giakos, G.C., Cavallucci, D.: Bridging two different domains to pair their inherent problem-solution text contents: applications to quantum sensing and biology. In: TFC (2022)
8.
9.
Zhou, Y., Li, J., Chi, J., Tang, W., Zheng, Y.: Set-CNN: a text convolutional neural network based on semantic extension for short text classification. Knowl.-Based Syst. 257, 109948 (2022)CrossRef
10.
Natekin, A., Knoll, A.: Gradient boosting machines, a tutorial. Front. Neurorobot. 7, 21 (2013)CrossRef
11.
Mayr, A., Hofner, B., Schmid, M.: The importance of knowing when to stop. Methods Inf. Med. 51, 178–186 (2012)CrossRef
12.
Zou, H., Hastie, T.J.: Addendum: regularization and variable selection via the elastic net. J. R. Stat. Soc. Ser. B (Stat. Methodol.) 67, 768 (2005)MathSciNetCrossRef
13.
He, K., Zhang, X., Ren, S., Sun, J.: Deep residual learning for image recognition. In: 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 770–778 (2015)
14.
Chicco, D., Jurman, G.: The advantages of the Matthews correlation coefficient (MCC) over F1 score and accuracy in binary classification evaluation. BMC Genomics 21, 6 (2020)CrossRef
Metadaten
Titel
A Novel Interdisciplinarity Model Towards Inter-domain Information Pairing
verfasst von
Nicolas Douard
Ahmed Samet
George Giakos
Denis Cavallucci
Copyright-Jahr
2025
Buch
World Conference of AI-Powered Innovation and Inventive Design

Print ISBN: 978-3-031-75922-2

Electronic ISBN: 978-3-031-75923-9

Copyright-Jahr: 2025

DOI
https://doi.org/10.1007/978-3-031-75923-9_17

Premium Partner

    Bildnachweise