Constructing Scientific Publication Profiles Based on Texts and Coauthorship Connections (in the Field of Control Theory and Its Applications)

Cover Page

Cite item

Full Text

Abstract

The calculation of scientific publication profiles is crucial in the systematization of scientific knowledge and support for scientific decision-making. This paper proposes a method for forming publication profiles in the field of control theory, based on the integration of text analysis and coauthorship network analysis. We describe a basic algorithm that analyzes publication texts by a thematic classifier as well as its enhanced version that considers network connections within a heuristic approach. The methods are examined using expert assessments and quantitative metrics; according to the examination results, combining textual and network data significantly improves the accuracy of publication profiles. Hypotheses about a relationship between the thematic similarity and network proximity of publications are tested, and the approach proposed is validated accordingly. In addition, directions for further research are identified.

About the authors

D. A Gubanov

Trapeznikov Institute of Control Sciences, Russian Academy of Sciences

Email: dmitry.a.g@gmail.com
Moscow, Russia

V. S Melnichuk

Trapeznikov Institute of Control Sciences, Russian Academy of Sciences; Bauman Moscow State Technical University

Author for correspondence.
Email: vs.melnichuk09@gmail.com
Moscow, Russia

References

  1. Крыжановская С.Ю., Власов А.В., Еремеев М.А., Воронцов К.В. Полуавтоматическая суммаризация тематических подборок научных публикаций: задачи и подходы // Тезисы докладов 20-й Всероссийской конференции с международным участием «Математические методы распознавания образов». – Москва, 2021. – С. 333–338. [Kryzhanovskaya, S.Y., Vlasov, A.V., Eremeev, M.A., Vorontsov, K.V. Poluavtomaticheskaya summarizatsiya tematicheskikh podborok nauchnykh publikatsii: zadachi i podkhody // Tezisy dokladov 20-i Vserossiiskoi konferentsii s mezhdunarodnym uchastiem «Matematicheskie metody raspoznavaniya obrazov». – Moscow, 2021. – P. 333–338. (In Russian)]
  2. Shibayama, S., Yin, D., Matsumoto, K. Measuring Novelty in Science with Word Embedding // PLoS ONE. – 2021. – No. 7. – P. 1–16.
  3. Yuan, W., Liu, P., Neubig, G. Can We Automate Scientific Reviewing? // Journal of Artificial Intelligence Research. – 2022. – No. 75. – P. 171–212.
  4. Cachola, I., Lo, K., Cohan, A., Weld, D. TLDR: Extreme Summarization of Scientific Documents // Findings of the Association for Computational Linguistics: EMNLP 2020. – 2020. – P. 4766–4777.
  5. Bao, P., Hong, W., Li, X. Predicting Paper Acceptance via Interpretable Decision Sets. // In: Companion Proceedings of the Web Conference 2021 (WWW '21). – New York: Association for Computing Machinery, 2021. – P. 461–467.
  6. Kasanishi, T., Isonuma, M., Mori, J., Sakata, I. SciReviewGen: A Large-scale Dataset for Automatic Literature Review Generation. – arXiv:2305.15186, 2023. – P. 1–19. – DOI: https://doi.org/10.48550/arXiv.2305.15186
  7. Blei, D.M., Ng, A.Y., Jordan, M.I. Latent Dirichlet Allocation // Journal of Machine Learning Research. – 2003. – No. 3. – P. 993–1022.
  8. Hasegawa, T., Arvidsson, H., Tudzarovski, N., et al. Edge-Based Graph Neural Networks for Cell-Graph Modeling and Prediction // Information Processing in Medical Imaging. – 2023. – Vol. 13939. – P. 265–277.
  9. Xiong, C., Li, W., Liu, Y., Wang., M. Multi-Dimensional Edge Features Graph Neural Network on Few-Shot Image Classification // IEEE Signal Processing Letters. – 2021. – Vol. 28. – P. 573–577.
  10. Faber, L., Lu, Y., Wattenhofer, R. Should Graph Neural Networks Use Features, Edges, Or Both? – arXiv: 2103.06857.arXiv, 2021. – P. 1–12. – DOI: https://doi.org/48550/arXiv.2103.06857
  11. Zhou, J., Cui, G., Hu, S., et al. Graph Neural Networks: A Review of Methods and Applications // AI Open. – 2020. – Vol. 1. – P. 57–81.
  12. Kipf, T.N., Welling, M. Semi-Supervised Classification with Graph Convolutional Networks. – arXiv:1609.02907, 2017. – P. 1–14. – DOI: https://doi.org/10.48550/arXiv.1609.02907
  13. Губанов Д.А., Кузнецов О.П., Суховеров В.С., Чхартишвили А.Г. О построении профилей в тематическом пространстве теории управления // Материалы 9-й Международной конференции «Знания-Онтологии-Теории». – Новосибирск, 2023. – С. 89–94. [Gubanov, D.A., Kuznetsov, O.P., Sukhoverov, V.S., Chkhartishvili, A.G. O postroenii profilei v tematicheskom prostranstve teorii upravleniya // Materialy 9-i Mezhdunarodnoi konferentsii “Znaniya-Ontologii-Teorii”. – Novosibirsk, 2023. – P. 89–94. (In Russian)]
  14. Кузнецов О.П., Суховеров В.С. Онтологический подход к оценке тематики научного текста // Онтология проектирования. – 2016. – Т. 6, № 1. – С. 55–66. [Kuznetsov, O.P., Sukhoverov, V.S. An Ontological Approach to Determining the Subject Matter of Scientific Text // Ontology of Designing. – 2016. – Vol. 6, no. 1. – P. 55–66. (In Russian)]

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».