[論文レビュー] Mining Scientific Papers for Bibliometrics: a (very) Brief Survey of Methods and Tools

Iana Atanassova, Marc Bertin+1 more|arXiv (Cornell University)|May 6, 2015

Data Mining Algorithms and Applications参考文献 8被引用数 7

ひとこと要約

本稿は、テキスト解析および自然言語処理を通じて、科学的論文のマイニング手法とツールを調査し、図書計測学の向上を図る。オープンアクセスと標準化フォーマットの役割が、全文論文の大規模分析を可能にしていることを強調し、図書計測学と計算言語学の分野間統合を提唱することで、科学的文献からのより深い洞察を引き出すことを目指す。

ABSTRACT

The Open Access movement in scientific publishing and search engines like Google Scholar have made scientific articles more broadly accessible. During the last decade, the availability of scientific papers in full text has become more and more widespread thanks to the growing number of publications on online platforms such as ArXiv and CiteSeer. The efforts to provide articles in machine-readable formats and the rise of Open Access publishing have resulted in a number of standardized formats for scientific papers (such as NLM-JATS, TEI, DocBook). Our aim is to stimulate research at the intersection of Bibliometrics and Computational Linguistics in order to study the ways Bibliometrics can benefit from large-scale text analytics and sense mining of scientific papers, thus exploring the interdisciplinarity of Bibliometrics and Natural Language Processing.

研究の動機と目的

• 図書計測学が、科学的論文のスケーラブルなテキスト解析および意味の抽出からどのように利益を得られるかを調査すること。
• 全文科学的論文のマイニングに用いられる既存のツールと手法を特定およびレビューすること。
• 図書計測学と計算言語学の分野間連携を促進すること。
• オープンアクセスおよび標準化フォーマットが、テキストマイニングのためのデータ可用性に与える影響を検討すること。
• 高度なテキスト解析技術を通じて、科学的文献分析分野におけるイノベーションを促進すること。

提案手法

• 科学的論文マイニングに用いられる既存のツールと手法の体系的レビュー。
• 主にarXivやCiteSeerなどのオープンアクセスリポジトリを主なデータソースとして焦点を当てる。
• 機械可読な科学的コンテンツを処理可能にする標準フォーマット（NLM-JATS、TEI、DocBook）の分析。
• 全文論文の意味的理解を図るための自然言語処理（NLP）技術の統合。
• 図書計測学的研究における大規模テキストマイニングの実現可能性と利点の評価。
• スケーラブルなマイニングワークフローを支援するデジタル図書館インfraストラクチャおよびメタデータの活用。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、図書計測学的分析のために全文科学的論文を効果的にマイニングできるか？
• RQ2 大規模テキストマイニングに用いられる、現在利用可能なツールと手法は何か？
• RQ3 自然言語処理技術は、従来の引用指標を越えて、どのように伝統的な図書計測指標を強化できるか？
• RQ4 オープンアクセスおよび標準化フォーマットは、マイニングのためのデータへのアクセス性をどのように向上させるか？
• RQ5 図書計測学と計算言語学の統合において、主な課題と機会は何か？

主な発見

• オープンアクセスプラットフォームを通じた全文科学的論文の可用性向上が、大規模テキストマイニングの可能性を顕著に高めた。
• NLM-JATS や TEI といった標準フォーマットは、科学的文書の機械処理の信頼性と一貫性を高める。
• 自然言語処理技術は、基本的な引用指標を越えて、意味的・文脈的なインサイトを抽出できる。
• 図書計測学と計算言語学の分野間連携は、より洗練され、情報量の多い研究評価を可能にする。
• 既存のツールと手法は有望ではあるが、全文マイニングの潜在能力を十分に活用するにはさらなる開発が必要である。
• テキストアナリティクスを図書計測学的研究に統合することで、科学的インパクト評価の深さと正確性が向上する。