КОНФЕРЕНЦІЇ ВНТУ електронні наукові видання, 
L Науково-технічна конференція факультету комп'ютерних систем і автоматики (2021)

Розмір шрифта: 
Модифікована метрика Чекановського для оцінки схожості науковців з врахуванням спорідненості спеціальностей
Микола Володимирович Петричко, Сергій Дмитрович Штовба

Остання редакція: 2021-03-08

Анотація


Запропоновано метрику для оцінки схожості науковців на основі метрики Чекановського у випадку представлення інтересів науковців у вигляді нечітких множин. Носієм нечіткої множини є спеціальності науки визначеної згідно з стандартом Australian and New Zealand Standard Research Classification (ANZSRC). При порівнянні двох нечітких множин пропонується враховувати також попарну схожість наукових спеціальностей для досягнення вищого рівня схожості

Ключові слова


Google Scholar; профіль науковця; науковець; метрика Чекановського; ANZSRC; наукові спеціальності; індекс Жакара

Посилання


1.        Sun C., King T. J., Henville P., Marchant R. Hierarchical Word Mover Distance for Collaboration Recommender System. Australasian Conference on Data Mining. Communications in Computer and Information Science, Springer 996, 289-302 (2018). DOI: 10.1007/978-981-13-6661-1_23.

2.        Xiangjie K., Huizhen J., Zhuo Y., Zhuo Y., Zhuo Y., Tolba A. Exploiting Publication Contents and Collaboration Networks for Collaborator Recommendation. PlosOne 11(2): e0148492 (2016). DOI: 10.1371/journal.pone.0148492

3.        Zhao Y., Tang J., Du Z. EFCNN: A Restricted Convolutional Neural Network for Expert Finding. In: Yang Q., Zhou ZH., Gong Z., Zhang ML., Huang SJ. (eds) Advances in Knowledge Discovery and Data Mining. PAKDD 2019. Lecture Notes in Computer Science, vol 11440. Springer, Cham (2019). DOI: 10.1007/978-3-030-16145-3_8.

4.        Omer A., Hongyu G., Suma B., Wen-Mei H., JinJun X.. PaRe: A PaperReviewer Matching Approach Using a Common Topic Space. In Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing (EMNLPIJCNLP), 518–528 (2019). DOI: 10.18653/v1/D19-1049.

5.        Mimno D., McCallum A. Expertise modeling for matching papers with reviewers. In: KDD’07 proceedings of the 13th ACMSIGKDD international conference on knowledge discovery and data mining, 500–509 (2007). New York: ACM. DOI: 10.1145/1281192.1281247.

6.        Rosen-Zvi M., Griffiths T., Steyvers M., Smith P. The author-topic model for authors and documents. In Proceedings of the 20th Conference on Uncertainty in Artificial Intelligence, AUAI Press, 487-494 (2004).

7.        Jian J., Qian G., Haikun M., Chong C. Author–Subject–Topic model for Reviewer Recommendation. JIS-Journal of Information Science, SAGE, 1-16 (2018). DOI: 10.1177/0165551518806116.

8.        ШтовбаС.Д., ПетричкоМ.В. Автоматичнакатегоризаціянауковцівзатематикоюдослідженьнаоснові профілей в Google Scholar / С.Д. Штовба, М.В. Петричко / Матеріали XLVIІ Наук.-техн. конф. факультету КСА ВНТУ, Вінниця, 21-23 березня 2018 р. https://conferences.vntu.edu.ua/public/files/1/fksa_2018_netpub.pdf. – С. 1561-1578.

9.        Shtovba S., Petrychko M. Jaccard Index-Based Assessing the Similarity of Research Fields in Dimensions // CEUR Workshop Proceedings, Vol. 2533 “Proc. of the First International Workshop on Digital Content & Smart Multimedia”. – 2019. – P. 117-128.


Повний текст: PDF