초록 ▼

본 사업의 저자명 모호성 해소 (AND) 기법의 적용을 위한 평가셋의 구축 및 이를 이용한 기계 학습 모델 기반의 저자명 모호성 해소에 대한 성능 평가를 목표로 하여 다음과 같은 내용이 수행되었음.
◯ 하둡(Hadoop) 기반의 데이터 수집 및 처리 과정을 통해 효율적으로 학술 빅데이터를 분산·병렬 처리
◯ 현실 세계를 반영한 저자명 그룹군을 대상으로 수작업 식별 작업을 통해 정교한 AND 골드 스탠다드 평가셋(Gold Standard Evaluation Set)을 구축
- PubMed의 경우 1, 2, 3차에 걸친

본 사업의 저자명 모호성 해소 (AND) 기법의 적용을 위한 평가셋의 구축 및 이를 이용한 기계 학습 모델 기반의 저자명 모호성 해소에 대한 성능 평가를 목표로 하여 다음과 같은 내용이 수행되었음.
◯ 하둡(Hadoop) 기반의 데이터 수집 및 처리 과정을 통해 효율적으로 학술 빅데이터를 분산·병렬 처리
◯ 현실 세계를 반영한 저자명 그룹군을 대상으로 수작업 식별 작업을 통해 정교한 AND 골드 스탠다드 평가셋(Gold Standard Evaluation Set)을 구축
- PubMed의 경우 1, 2, 3차에 걸친 정교한 수작업을 통한 골드 스탠다드(Gold Standard Evaluation Set)을 구축함. 최종적으로 구축된 Gold Standard Author Test Set으로 저자명 그룹 36군, 식별된 저자 385명, 식별된 저자의 논문 2,875건 구축
- DBPL의 경우 수작업을 통해 최종적으로 저자명 그룹은 17군으로 식별된 저자의 평균 논문의 수는 8.5건 구축
◯ 구축된 정교한 평가셋을 대상으로 JAVA 기반의 다양한 기계 학습 모델을 이용하여 저자명 모호성 해소(AND) 기법 성능 평가

Abstract ▼

Ⅱ. The goals of the research
○ The purpose of the research
－ This research is aimed to construct the gold standard evaluation sets for the author name disambiguation (AND) and test different techniques of AND based on supervised learning approach.
○ The needs of the research development

Ⅱ. The goals of the research
○ The purpose of the research
－ This research is aimed to construct the gold standard evaluation sets for the author name disambiguation (AND) and test different techniques of AND based on supervised learning approach.
○ The needs of the research development
－ With the exponential growth of scholarly information as called scholarly big data, the issue of author name ambiguation is more severe in searching an identical researcher.
－ In the digital libraries, searching a correct author has long been a problem to resolve in order to increase precision in the results.
－ For domestic or international, and intradisplinary or interdisciplinary collaboration, finding excellent or potential scholars is necessary to succeed in academic networks.

Ⅲ. The scope and objectives
○ To collect scholarly big data and preprocess the data using Hadoop-based MapReduce skills
○ To build and elaborate the gold standard evaluation sets for author name disambiguation from the real world databases
○ To test supervised learning techniques for author name disambiguation using constructed evaluation sets

Ⅳ. Planning applications
○ The evaluation data sets will be published on the website of KISTI and be submitted to one of the highly cited international journals.
○ The techniques incorporated in the performance of author name disambiguation will be used to the development of improved algorithms related to the author profiling services.