Ограничения применения метода на основе сжатия данных к классификации аннотаций публикаций, индексируемых в Scopus
https://doi.org/10.25205/1818-7900-2020-18-3-57-68
Аннотация
Приводятся ограничения применения метода классификации научных текстов, основанного на сжатии данных, ко всем категориям из классификации ASJC, используемой в библиографической базе данных Scopus. Показано, что автоматическое создание обучающих выборок для каждой категории является достаточно трудоемким процессом, а в ряде случаев невозможно из-за ограничения на выгрузку данных, установленного в Scopus, и отсутствия названий категорий в Scopus Search API. Другим фактором является то, что во многих областях наук полностью отсутствуют журналы и, соответственно, публикации, у которых указана только одна категория. Применение метода ко всем 26 областям наук невозможна в виду их обширности, а также изначальной классификации Scopus. Часто в разных областях наук находятся терминологически близкие категории, что затрудняет отнесение публикации к верной области. Проведенная работа также указывает на то, что многие исследования, основанные на использовании проклассифицированных по ASJC публикаций, могут иметь некоторые неточности.
Список литературы
1. Рябко Б. Я., Гуськов А. Е., Селиванова И. В. Теоретико-информационный метод классификации текстов // Проблемы передачи информации. 2017. Т. 53, № 3. С. 100-111.
2. Селиванова И. В., Рябко Б. Я., Гуськов А. Е. Классификация посредством компрессии: применение методов теории информации для определения тематики научных текстов // Научно-техническая информация. Серия 2: Информационные процессы и системы. 2017. № 6. С. 8-15.
3. Селиванова И. В., Косяков Д. В., Гуськов А. Е. Классификация научных текстов на основе компрессии аннотаций публикаций // Научно-техническая информация. Серия 2: Информационные процессы и системы. 2019. № 12. С. 25-38.
4. Cilibrasi R., Vitanyi P. M. B. Clustering by Compression. IEEE Transactions on Information Theory, 2005, vol. 51, no. 4, p. 1523-1545. DOI 10.1109/tit.2005.844059
5. Wang Q., Waltman L. Large-scale analysis of the accuracy of the journal classification systems of Web of Science and Scopus. Journal of Informetrics, 2016, vol. 10, no. 2, p. 347-364. DOI 10.1016/j.joi.2016.02.003
6. Frédérique Bordignon. Tracking content updates in Scopus (2011-2018): a quantitative analysis of journals per subject category and subject categories per journal. In: 17th International Conference on Scientometrics & Informetrics, ISSI. Rome, Italy, 2019, p. 1630.
7. Miao Y., Keselj V, Milios E. Document Clustering using Character N-grams: A Comparative Evaluation with Term-based and Word-based Clustering. URL: htps://web.cs.dal.ca/ eem/cvWeb/pubs/Miao-CIKM-2005.pdf
8. Волкова Л. Л., Строганов Ю. В. Об ассоциативных бинарных мерах близости документов: классификация и приложение к кластеризации // Новые информационные технологии в автоматизированных системах. 2014. № 17. С. 421-432.
9. Baghel R., Dhir R. A Frequent Concepts Based Document Clustering Algorithm. International Journal of Computer Applications, 2010, vol. 4, no. 5, p. 6-12, DOI 10.5120/826-1171
10. Beil F., Ester M., Xu X. Frequent Term-Based Text Clustering. In: Proc. 8th Int. Conf. on Knowledge Discovery and Data Mining (KDD ‘2002). Edmonton, Alberta, Canada, 2002, p. 436-442. DOI 10.1145/775047.775110
11. Deng Z.-H., Tang S.-W., Yang D.-Q., Zhang M., Li L.-Y., Xie K. Q. A comparative study on feature weight in text categorization. In: APWeb, 2004, p. 588-597. DOI 10.1007/978-3-540-24655-8_64
12. Агеев М. С., Добров Б. В. Метод эффективного расчета матрицы ближайших соседей для полнотекстовых документов // Вестник Санкт-Петерб. ун-та. Серия 10. 2011. № 3. С. 72-84.
13. Schaeffer S. E. Graph clustering. Computer Science Review, 2007, vol. 1, no. 1, p. 27-64. DOI 10.1016/j.cosrev.2007.05.001
14. Rujiang B., Junhua L. A novel conception based text classification method. In: Proceedings of the IEEE international e-conference on Advanced Science and Technology, 2009, p. 30-34. DOI 10.1109/ast.2009.15
15. Wang Z., Sun X., Zhang D., Li X. An optimal SVM based text classification algorithm. In: Proceedings of the 5th IEEE international conference on Machine Learning and Cybernetics, 2006, p. 1378-1381. DOI 10.1109/icmlc.2006.258708
16. Hu L., Huang M., Ke S. et al. The distance function effect on k-nearest neighbor classification for medical datasets. SpringerPlus, 2016, vol. 1304. DOI 10.1186/s40064-016-2941-7
17. Chung J., Tsay M.-Y. A Bibliometric Analysis of the Literature on Open Access in Scopus. Qualitative and Quantitative Methods in Libraries, 2017, vol. 4, no. 4, p. 821-841.
18. Martín-Martín A., Orduna-Malea E., Thelwall M., López-Cózar E. D. Google Scholar, Web of Science, and Scopus: A systematic comparison of citations in 252 subject categories. Journal of Informetrics, 2018, vol. 12, no. 4, p. 1160-1177. DOI 10.1016/j.joi.2018.09.002
19. Bathrinarayanan A. L., Vaithiyanathan V., Narayanan S. Advanced Applied Mathematics Research Output Scientometric Analysis on SCOPUS Database. International Journal of Pure and Applied Mathematics, 2017, vol. 117, no. 13, p. 429-437.
20. Bakri A., Azura N. M., Nadzar M. D., Ibrahim R., Tahira M. Publication Productivity Pattern of Malaysian Researchers in Scopus from 1995 to 2015. Journal of Scientometric Research, 2017, vol. 6, no. 2, p. 86-101. DOI 10.5530/jscires.6.2.14
Рецензия
Для цитирования:
Селиванова И.В. Ограничения применения метода на основе сжатия данных к классификации аннотаций публикаций, индексируемых в Scopus. Вестник НГУ. Серия: Информационные технологии. 2020;18(3):57-68. https://doi.org/10.25205/1818-7900-2020-18-3-57-68
For citation:
Selivanova I.V. Limitations of Applying the Data Compression Method to the Classification of Abstracts of Publications Indexed in Scopus. Vestnik NSU. Series: Information Technologies. 2020;18(3):57-68. (In Russ.) https://doi.org/10.25205/1818-7900-2020-18-3-57-68
Просмотров:
61
Послать статью по эл. почте 