[논문]다차원 메타데이터 공간을 활용한 학술 문헌 추천기법 연구

감미아; 이지연

doi:10.3743/kosim.2023.40.1.121

[국내논문] 다차원 메타데이터 공간을 활용한 학술 문헌 추천기법 연구
A Study on the Method of Scholarly Paper Recommendation Using Multidimensional Metadata Space 원문보기

정보관리학회지 = Journal of the Korean society for information management, v.40 no.1, 2023년, pp.121 - 148

초록
AI-Helper

본 연구는 '우수한 성능의 메타데이터 속성 유사도 기반의 학술 문헌추천시스템'을 제안하는 데에 목적을 두고 있다. 본 연구에서는 정보조직에서 다루는 메타데이터의 활용과 계량정보학에서 다루고 있는 동시인용, 저자-서지결합법, 동시출현 빈도, 코사인 유사도의 개념을 활용한 문헌정보학 기반의 학술 문헌 추천기법을 제안하고자 하였다. 실험을 위해 수집한 '불평등', '격차' 관련 총 9,643개의 논문 메타데이터를 정제하여 코사인 유사도를 활용한 저자, 키워드, 제목 속성 간의 상대적 좌표 수치를 도출하였고, 성능 좋은 가중치 조건 및 차원의 수를 선정하기 위해 실험을 수행하였다. 실험 결과를 제시하여 이용자의 평가를 거쳤으며, 이를 이용해 기준노드와 추천조합 특성 분석 및 컨조인트 분석, 결과 비교 분석을 수행하여 연구질문 중심의 논의를 수행하였다. 그 결과 전반적으로는 저자 관련 속성을 제한 조합 혹은 제목 관련 속성만 사용하는 경우 성능이 뛰어난 것으로 나타났다. 본 연구에서 제시한 기법을 활용하고 광범위한 표본의 확보를 이룬다면, 향후 정보서비스의 문헌 추천 분야뿐 아니라 사회의 다양한 분야에 대한 추천기법 성능 향상에 도움을 줄 수 있을 것이다.

Abstract ▼ AI-Helper

The purpose of this study is to propose a scholarly paper recommendation system based on metadata attribute similarity with excellent performance. This study suggests a scholarly paper recommendation method that combines techniques from two sub-fields of Library and Information Science, namely metadata use in Information Organization and co-citation analysis, author bibliographic coupling, co-occurrence frequency, and cosine similarity in Bibliometrics. To conduct experiments, a total of 9,643 paper metadata related to "inequality" and "divide" were collected and refined to derive relative coordinate values between author, keyword, and title attributes using cosine similarity. The study then conducted experiments to select weight conditions and dimension numbers that resulted in a good performance. The results were presented and evaluated by users, and based on this, the study conducted discussions centered on the research questions through reference node and recommendation combination characteristic analysis, conjoint analysis, and results from comparative analysis. Overall, the study showed that the performance was excellent when author-related attributes were used alone or in combination with title-related attributes. If the technique proposed in this study is utilized and a wide range of samples are secured, it could help improve the performance of recommendation techniques not only in the field of literature recommendation in information services but also in various other fields in society.

주제어

표/그림 (6)

그림 <그림 1> 연구 절차
표 <표 1> 메타데이터 속성에 따른 속성조합
그림 <그림 2> '저자-제목(2-2)' 속성조합의 개념 및 축 도출 방법
표 <표 2> 50가지 추천조합 설명
표 <표 3> 논문 쌍과 적합한 추천조합군
표 <표 4> 추천조합별 이용자 선호도(pertinence) 점수(평균)

참고문헌 (24)

Im, YunJeong, Song, Gyuwon, Cho, MinSang, & Jung, HyunJung (2021). Intelligent export？recommendation system based on academic bigdata. Proceedings of the Korean Information？Science Society Conference, 111-113.
Ko, Young Man, Song, Min-Sun, & Lee, Seung-Jun (2015). A study on the optimization of？semantic relation of author keywords in humanities, social sciences, and art and sport of？the Korea Citation Index (KCI). Journal of the Korean Society for Library and Information？Science, 49(1), 45-67. http://dx.doi.org/10.4275/KSLIS.2015.49.1.045

원문보기 상세보기
Lee, Jae-Yun (2008). Bibliographic author coupling analysis: a new methodological approach for？identifying research trends. Journal of the Korea Society for Information Management,？25(1), 173-190. http://dx.doi.org/10.3743/KOSIM.2008.25.1.173

원문보기 상세보기
National Research Foundation of Korea (2020). Korea Citation Index(KCI) DB Information. Available:？https://www.kci.go.kr/
Park, Dae-Woo, Koh, In Soo, Lee, Nak-Son, & Han, Kyeong-Seok (2020). A study on architecture？for bigdata-based book curation system. Jounal of The Korea Society of Information Technology？Policy & Management, 12(1), 1559-1565.
Won, Jaesang. (2020). Context-aware recommendation system for literature. Proceedings of the？Korean Information Science Society Conference, 1620-1622.
Yeo, Woon-Dong, Park, Hyun-Woo, Kwon, Young-Il, & Park, Young-Wook (2010). Application？of research paper recommender system to digital library. The Journal of the Korea Contents？Association, 10(11), 10-19. http://dx.doi.org/10.5392/JKCA.2010.10.11.010

원문보기 상세보기
Adomavicius, G. & Tuzhilin, A. (2005). Toward the next generation of recommender systems:？A survey of the state-of-the-art and possible extensions. IEEE transactions on knowledge？and data engineering, 17(6), 734-749. http://dx.doi.org/10.1109/TKDE.2005.99

상세보기
Ahmad, S. & Afzal, M. T. (2017). Combining co-citation and metadata for recommending more？related papers. 2017 International Conference on Frontiers of Information Technology？(FIT). IEEE, 218-222. http://dx.doi.org/10.1109/FIT.2017.00046
Ahmad, S. & Afzal, M. T. (2020). Combining metadata and co-citations for recommending？related papers. Turkish Journal of Electrical Engineering & Computer Sciences, 28(3),？1519-1534. https://doi.org/10.3906/elk-1908-19

상세보기
Alshareef, A. M. (2019). Academic Recommendation System Based on the Similarity Learning？of the Citation Network Using Citation Impact. Doctoral dissertation, University of Ottawa.？http://dx.doi.org/10.20381/ruor-23359
Beel, J. & Gipp, B. (2009). Google Scholar's ranking algorithm: the impact of citation counts？(an empirical study). In 2009 third international conference on research challenges in？information science, 439-446. IEEE. http://dx.doi.org/110.1109/RCIS.2009.5089308
Beel, J., Gipp, B., Langer, S., & Breitinger, C. (2016). Paper recommender systems: a literature？survey. International Journal on Digital Libraries, 17(4), 305-338. https://doi.org/10.1007/s00799-015-0156-0

상세보기
Chen, T. T. & Lee, M. (2018). Research paper recommender systems on big scholarly data. In？Pacific Rim Knowledge Acquisition Workshop, 251-260. Springer, Cham.？https://doi.org/10.1007/978-3-319-97289-3_20
Deldjoo, Y., Dacrema, M. F., Constantin, M. G., Eghbal-Zadeh, H., Cereda, S., Schedl, M., Ionescu,？B., & Cremonesi, P. (2019). Movie genome: alleviating new item cold start in movie？recommendation. User Modeling and User-Adapted Interaction, 29(2), 291-343.？https://doi.org/10.1007/s11257-019-09221-y

상세보기
Gazni, A. & Didegah, F. (2016). The relationship between authors' bibliographic coupling and？citation exchange: analyzing disciplinary differences. Scientometrics, 107(2), 609-626.？https://doi.org/10.1007/s11192-016-1856-y

상세보기
Khan, S., Liu, X., Shakil, K. A., & Alam, M. (2017). A survey on scholarly data: From big？data perspective. Information Processing & Management, 53(4), 923-944.？https://doi.org/10.1016/j.ipm.2017.03.006

상세보기
Liling, L. I. U. (2019). Summary of recommendation system development. In Journal of Physics:？Conference Series 1187(5), 052044. IOP Publishing.？http://dx.doi.org/10.1088/1742-6596/1187/5/052044

상세보기
Morris, S. A. & Yen, G. G. (2004). Crossmaps: Visualization of overlapping relationships in？collections of journal papers. Proceedings of the National Academy of Sciences, 101(Suppl.？1), 5291-5296. https://doi.org/10.1073/pnas.0307604100

상세보기
Nazir, S., Asif, M., & Ahmad, S. (2020). Exploring the Proportion of Content Represented by？the Metadata of Research Articles. In 2020 3rd International Conference on Advancements？in Computational Sciences (ICACS), 1-7. IEEE.？https://doi.org/10.1109/ICACS47775.2020.9055955
Waheed, W., Imran, M., Raza, B., Malik, A. K., & Khattak, H. A. (2019). A hybrid approach？toward research paper recommendation using centrality measures and author ranking.？IEEE Access 7, 33145-33158. https://doi.org/10.1109/ACCESS.2019.2900520

상세보기
Williams, K., Wu, J., Choudhury, S. R., Khabsa, M., & Giles, C. L. (2014). Scholarly big data？information extraction and integration in the citeseer χ digital library. In 2014 IEEE 30th？International Conference on Data Engineering Workshops, 68-73. IEEE.？https://doi.org/10.1109/ICDEW.2014.6818305
Xia, F., Wang, W., Bekele, T. M., & Liu, H. (2017). Big scholarly data: A survey. IEEE？Transactions on Big Data, 3(1), 18-35. https://doi.org/10.1109/TBDATA.2016.2641460

상세보기
Yang, S., Han, R., Wolfram, D., & Zhao, Y. (2016). Visualizing the intellectual structure of？information science (2006-2015): Introducing author keyword coupling analysis. Journal？of informetrics, 10(1), 132-150. https://doi.org/10.1016/j.joi.2015.12.003？

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증