Новые тенденции в области научных графов знаний и оценки влияния научных исследований
New trends in scientific knowledge graphs and research impact assessment
2021-01-01
SCID: 54.1/hr33xpfy
Discuss with AI
Открытый граф знаний исследованийоценка научного влиянияметрики исследованийнаучные данныенаучные графы знаний
Figures from the paper
Abstract (AI)
В последние десятилетия наблюдается непрерывный рост числа публикуемых научных статей и связанных с ними исследовательских объектов (например, наборов данных и программных пакетов). По мере продолжения этой тенденции специалисты в области научного знания сталкиваются с рядом проблем. В данном специальном выпуске мы сосредоточились на двух основных категориях таких проблем: (а) связанных с организацией научных данных для создания гибкого, контекстно-зависимого, детализированного и пригодного для машинной обработки представления научного знания, которое одновременно является структурированным, взаимосвязанным и семантически насыщенным, и (б) связанных с разработкой новых, надежных и комплексных метрик для оценки научного влияния. Для решения проблем первой категории все большую популярность приобретают новые технические инфраструктуры, организующие и представляющие научное знание посредством научных графов знаний (SKG). Это крупные сети, описывающие действующих субъектов (например, авторов и организации), документы (например, публикации и патенты), другие результаты исследований (например, исследовательские данные и программное обеспечение) и знания (например, темы исследований, концепции, задачи и технологии) в данной области, а также взаимные связи между ними. Эти ресурсы приносят значительную пользу исследователям, компаниям и разработчикам научной политики, обеспечивая работу различных сервисов на основе данных для навигации, анализа и осмысления динамики исследований. К ним относятся, например, Microsoft Academic Graph (MAG) (Sinha, Shen et al., 2015), AMiner (Tang, Zhang et al., 2008), Open Academic Graph (Sinha et al., 2015; Tang et al., 2008), ScholarlyData.org (Nuzzolese, Gentile et al., 2016), Semantic Scholar (Ammar, Groeneveld et al., 2018), PID Graph (Fenner & Aryani, 2019), Open Research Knowledge Graph (Jaradeh, Oelen et al., 2019), OpenCitations (Peroni, Shotton, & Vitali, 2017) и исследовательский граф OpenAIRE (Manghi, Atzori et al., 2019). Несмотря на популярность, область научных графов знаний по-прежнему сталкивается с множеством нерешенных проблем, с...
Key Findings
1
Научные графы знаний обеспечивают сервисы для навигации, анализа и интерпретации динамики исследований, принося пользу исследователям, компаниям и политикам.
2
Научные графы знаний представляют авторов, организации, публикации, патенты, исследовательские данные, программное обеспечение, темы, концепции, задачи, технологии и связи между ними в семантически связанных сетях.
3
Постоянный рост числа публикаций и исследовательских объектов создает нерешенные проблемы гибкого, контекстно-зависимого, детализированного, структурированного и взаимосвязанного представления научных знаний.
4
В статье выделены две основные проблемы: организация научных данных в машиночитаемые представления знаний и разработка надежных, комплексных метрик научного воздействия.
5
Специальный выпуск показывает, что научные графы знаний становятся все более популярной инфраструктурой, однако эта область по-прежнему сталкивается со значительными открытыми проблемами.
Research Object
научные графы знаний и результаты научных исследований
Research Subject
организация и семантическое представление научного знания, а также разработка надёжных и комплексных метрик оценки научного воздействия
Publication Details
Publication Date
2021-01-01
Journal
Publisher
ISSN
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest