|
Аннотация.
Статья посвящена задаче отбора кандидатов, обладающих экспертными знаниями в определенной области. Предлагаются методы оценки сходства на основе графов цитирования и методы поиска похожих документов. Приводится методика оценки качества предлагаемых методов и результаты экспериментальных исследований, которые были проведены на коллекции заявок по грантам Российского Фонда Фундаментальных исследований. Выявлено, что классические методы сопоставления графов цитирований и методы, основанные на глубоком обучении, дают схожие результаты. Кроме того, методы, основанные на оценке тематического сходства текстов, имеют более высокую точность подбора экспертов, чем методы сравнения графов цитирований. Предложенные методы могут быть применены не только в ходе экспертизы заявок на гранты научных фондов, но и при подборе рецензентов для анализа любых объектов, представимых в виде текстов, содержащих цитирования.
Ключевые слова:
подбор экспертов, анализ графов, SimRank, DeepWalk, поиск тематически-близких документов.
Стр. 51-60.
DOI 10.14357/20718632210405 Литература
1. Kalmukov Y., Rachev B. 2010. Comparative analysis of existing methods and algorithms for automatic assignment of reviewers to papers. ArXiv preprint arXiv:1012.2019. 2. Rodriguez, M.A., Bollen, J.. 2008. An algorithm to determine peer-reviewers. In: Proceedings of the 17th ACM conference on Information and knowledge management, 319–328. ACM. 3. Li, X., Watanabe, T. 2013. Automatic paper-to-reviewer assignment, based on the matching degree of the reviewers. Procedia Comput. Sci. 22, 633–642. 4. Peng, H., Hu, H., Wang, K., Wang, X. 2017. Time-aware and topic-based reviewer assignment. In: Bao, Z., Trajcevski, G., Chang, L., Hua, W. (eds.) DASFAA 2017. LNCS, vol. 10179, pp. 145–157. Springer, Cham. 5. Li, Lina, Cuiping Li, Hong Chen, and Xiaoyong Du. 2013. “Mapreduce-Based SimRank Computation and Its Application in Social Recommender System.” In Big Data (Bigdata Congress), 2013 IEEE International Congress on, 133–40. IEEE. 6. Li, Pei, Zhixu Li, Hongyan Liu, Jun He, and Xiaoyong Du. 2009. “Using Link-Based Content Analysis to Measure Document Similarity Effectively.” In Advances in Da-ta and Web Management, 455–67. Springer. 7. Williams, Kyle, Jian Wu, and C Lee Giles. 2014. “SimSeerX: A Similar Document Search Engine.” In Proceedings of the 2014 Acm Symposium on Document Engineering, 143–46. ACM. 8. Akcora, Cuneyt Gurcan, Barbara Carminati, and Elena Ferrari. 2013. “User Similarities on Social Networks.” Social Network Analysis and Mining 3 (3). Springer: 475–95. 9. Putra, Aghny Arisya, Rahmad Mahendra, Indra Budi, and Qorib Munajat. 2017. “Two-Steps Graph-Based Collaborative Filtering Using User and Item Similarities: Case Study of E-Commerce Recommender Systems.” In 2017 International Conference on Data and Software Engineering (Icodse), 1–6. IEEE. 10. Jeh, Glen, and Jennifer Widom. 2002. “SimRank: A Measure of Structural-Context Similarity.” In Proceedings of the Eighth Acm Sigkdd International Conference on Knowledge Discovery and Data Mining, 538–43. KDD ’02. New York, NY, USA: ACM. 11. Perozzi B., Al-Rfou R., Skiena S. 2014. Deepwalk: Online learning of social representations. Proceedings of the 20th ACM SIGKDD international conference on Knowledge discovery and data mining. 701–710. 12. Oseledets, Ivan, Ovchinnikov George, and Katrutsa Alexandr. 2017. “Fast, Memory-Efficient Low-Rank Approximation of Simrank.” Journal of Complex Networks 5 (1). Oxford University Press: 111–26. 13. Halko N., Martinsson P. G., Tropp J. A. 2011. Finding structure with randomness: Probabilistic algorithms for constructing approximate matrix decompositions. SIAM review. Vol. 53(2). 217-288. 14. Sochenkov, Ilya Vladimirovich, Denis Vladimirovich Zubarev, and Ilya Alexandrovich Tikhomirov. 2018. “Exploratory Patent Search.” Computer Science and Its Applications 12 (1). Russian Academy of Sciences, Department of Nanotechnology; Information Technologies: 89–94. 15. Osipov, G., et al. 2013. Relational-situational method for intelligent search and analysis of scientific publications. In: Proceedings of the Integrating IR Technologies for Professional Search Workshop, 57–64. 16. Shelmanov, A.O., Smirnov, I.V. 2014. Methods for semantic role labeling of Russian texts. In: Proceedings of International Conference Dialog on Computational Linguistics and Intellectual Technologies, vol. 13, no. 20, pp. 607–620. 17. Shvets, A., Devyatkin, D., Sochenkov, I., Tikhomirov, I., Popov, K., Yarygin, K. 2015. Detection of current research directions based on full-text clustering. In: 2015 Science and Information Conference (SAI), pp. 483–488. IEEE.
|
