Вдосконалення методу кластеризації публікацій на основі n-грам аналізу та нечіткий метод вибору наукових партнерів

Автор(и)

  • Petro Lizunov Київський національний університет будівництва і архітектури пр. Повітрофлотський, 31, м. Київ, Україна, 03037, Україна https://orcid.org/0000-0003-2924-3025
  • Andrii Biloshchytskyi Київський національний університет імені Тараса Шевченка вул. Володимирська, 60, м. Київ, Україна, 01033, Україна https://orcid.org/0000-0001-9548-1959
  • Alexander Kuchansky Київський національний університет імені Тараса Шевченка вул. Володимирська, 60, м. Київ, Україна, 01033, Україна https://orcid.org/0000-0003-1277-8031
  • Yurii Andrashko Державний вищий навчальний заклад «Ужгородський національний університет» пл. Народна, 3, м. Ужгород, Україна, 88000, Україна https://orcid.org/0000-0003-2306-8377
  • Svitlana Biloshchytska Київський національний університет будівництва і архітектури пр. Повітрофлотський, 31, м. Київ, Україна, 03037, Україна https://orcid.org/0000-0002-0856-5474

DOI:

https://doi.org/10.15587/1729-4061.2019.175139

Ключові слова:

кластеризація, n-грам аналіз, напрям наукових досліджень, граф цитування, проектна група

Анотація

Для задачі формування проектних груп, зокрема науково-дослідницьких проектних груп, пропонується комплексний метод, який складається з двохетапного методу кластеризації графу цитування публікацій науковців та методу нечіткого логічного виводу для узгодження думок експертів щодо вибору потенційних партнерів і включення їх до проектної групи.

Суть двохетапного методу кластеризації публікацій науковців полягає у кластеризації графу цитування та об'єднання кластерів на основі близькості анотацій публікацій. Відстань між публікаціями розраховується на основі визначеної метрики та підходів n-грам аналізу. Описаний метод дозволяє ідентифікувати напрями досліджень науковців, що є необхідною складовою раціонального вибору партнера для побудови проектної групи і є вхідною інформацією для експертів, які цю групу формують. Наступним етапом є застосування методу нечіткого логічного виводу, який будується для узгодження думок експертів щодо створення проектних груп. Даний метод складається із трьох етапів. На першому етапі фазифікація здійснюється через введення функції належності науковця до напрямку наукових досліджень. Другий етап нечіткого логічного виводу полягає формуванні експертами вимог до кандидатів на місце в проектній групі. На заключному етапі відбувається дефазифікація за допомогою методу центра ваги. Для верифікації нечіткого методу ідентифікації дослідницьких проектних груп було визначено організації-виконавці для фундаментального наукового дослідження.

Описані методи можуть бути використані для задачі формування науково-дослідницьких груп та виявлення подібностей між фрагментами текстової інформації на основі n-грам аналізу, що має застосування у задачі ідентифікації неповних дублікатів між фрагментами текстової інформації

Біографії авторів

Petro Lizunov, Київський національний університет будівництва і архітектури пр. Повітрофлотський, 31, м. Київ, Україна, 03037

Доктор технічних наук, професор, завідувач кафедри

Кафедра основ інформатики

Andrii Biloshchytskyi, Київський національний університет імені Тараса Шевченка вул. Володимирська, 60, м. Київ, Україна, 01033

Доктор технічних наук, професор, завідувач кафедри

Кафедра інформаційних систем та технологій

Alexander Kuchansky, Київський національний університет імені Тараса Шевченка вул. Володимирська, 60, м. Київ, Україна, 01033

Кандидат технічних наук, доцент

Кафедра інформаційних систем та технологій

Yurii Andrashko, Державний вищий навчальний заклад «Ужгородський національний університет» пл. Народна, 3, м. Ужгород, Україна, 88000

Кандидат технічних наук, доцент

Кафедра системного аналізу і теорії оптимізації

Svitlana Biloshchytska, Київський національний університет будівництва і архітектури пр. Повітрофлотський, 31, м. Київ, Україна, 03037

Кандидат технічних наук, доцент

Кафедра інформаційних технологій проектування і прикладної математики

Посилання

  1. Šubelj, L., van Eck, N. J., Waltman, L. (2016). Clustering Scientific Publications Based on Citation Relations: A Systematic Comparison of Different Methods. PLOS ONE, 11 (4), e0154404. doi: https://doi.org/10.1371/journal.pone.0154404
  2. Dhillon, I. S., Guan, Y., Kulis, B. (2007). Weighted Graph Cuts without Eigenvectors A Multilevel Approach. IEEE Transactions on Pattern Analysis and Machine Intelligence, 29 (11), 1944–1957. doi: https://doi.org/10.1109/tpami.2007.1115
  3. Waltman, L., van Eck, N. J. (2013). A smart local moving algorithm for large-scale modularity-based community detection. The European Physical Journal B, 86 (11). doi: https://doi.org/10.1140/epjb/e2013-40829-0
  4. Blondel, V. D., Guillaume, J.-L., Lambiotte, R., Lefebvre, E. (2008). Fast unfolding of communities in large networks. Journal of Statistical Mechanics: Theory and Experiment, 2008 (10), P10008. doi: https://doi.org/10.1088/1742-5468/2008/10/p10008
  5. Yang, J., Leskovec, J. (2013). Overlapping community detection at scale. Proceedings of the Sixth ACM International Conference on Web Search and Data Mining - WSDM ’13, 587–596. doi: https://doi.org/10.1145/2433396.2433471
  6. Pons, P., Latapy, M. (2006). Computing Communities in Large Networks Using Random Walks. Journal of Graph Algorithms and Applications, 10 (2), 191–218. doi: https://doi.org/10.7155/jgaa.00124
  7. Bolelli, L., Ertekin, S., Giles, C. L. (2006). Clustering Scientific Literature Using Sparse Citation Graph Analysis. Knowledge Discovery in Databases: PKDD 2006, 30–41. doi: https://doi.org/10.1007/11871637_8
  8. Gomaa, W. H., Fahmy, A. A. (2013). A Survey of Text Similarity Approaches. International Journal of Computer Applications, 68 (13), 13–18. doi: https://doi.org/10.5120/11638-7118
  9. Islam, A., Milios, E., Kešelj, V. (2012). Text Similarity Using Google Tri-grams. Lecture Notes in Computer Science, 312–317. doi: https://doi.org/10.1007/978-3-642-30353-1_29
  10. Brants, T., Franz, A. (2006). Web 1T 5-gram corpus version 1.1. Technical report. Google Research.
  11. Kuchansky, A., Andrashko, Y., Biloshchytskyi, A., Danchenko, E., Ilarionov, O., Vatskel, I., Honcharenko, T. (2018). The method for evaluation of educational environment subjects' performance based on the calculation of volumes of m­simplexes. Eastern-European Journal of Enterprise Technologies, 2 (4 (92)), 15–25. doi: https://doi.org/10.15587/1729-4061.2018.126287
  12. Biloshchytskyi, A., Kuchansky, A., Andrashko, Y., Biloshchytska, S., Kuzka, O., Terentyev, О. (2017). Evaluation methods of the results of scientific research activity of scientists based on the analysis of publication citations. Eastern-European Journal of Enterprise Technologies, 3 (2 (87)), 4–10. doi: https://doi.org/10.15587/1729-4061.2017.103651
  13. Teslia, I., Latysheva, T. (2016). Development of conceptual frameworks of matrix management of project and programme portfolios. Eastern-European Journal of Enterprise Technologies, 1 (3 (79)), 12–18. doi: https://doi.org/10.15587/1729-4061.2016.61153
  14. Yazici, H. J. (2009). The Role of Project Management Maturity and Organizational Culture in Perceived Performance. Project Management Journal, 40 (3), 14–33. doi: https://doi.org/10.1002/pmj.20121
  15. Morozov, V., Kalnichenko, O., Liubyma, I. (2017). Managing projects configuration in development distributed information systems. 2017 2nd International Conference on Advanced Information and Communication Technologies (AICT). doi: https://doi.org/10.1109/aiact.2017.8020088
  16. Su, Z., Poulin, D. (1996). Partnership management within the virtual enterprise in a network. IEMC 96 Proceedings. International Conference on Engineering and Technology Management. Managing Virtual Enterprises: A Convergence of Communications, Computing, and Energy Technologies. doi: https://doi.org/10.1109/iemc.1996.547894
  17. Talluri, S., Baker, R. C. (1996). A quantitative framework for designing efficient business process alliances. IEMC 96 Proceedings. International Conference on Engineering and Technology Management. Managing Virtual Enterprises: A Convergence of Communications, Computing, and Energy Technologies. doi: https://doi.org/10.1109/iemc.1996.547896
  18. XueNing, C., Tso, S. K., Zhang, W. J., Li, Q. (2000). Partners selection for virtual enterprises. Proceedings of the 3rd World Congress on Intelligent Control and Automation (Cat. No.00EX393). doi: https://doi.org/10.1109/wcica.2000.859940
  19. Feng, W. D., Chen, J., Zhao, C. J. (2000). Partners selection process and optimization model for virtual corporations based on genetic algorithms. Journal of Tsinghua University (Science and Technology), 40, 120–124.
  20. Biloshchytskyi, A., Biloshchytska, S., Kuchansky, A., Bielova, O., Andrashko, Y. (2018). Infocommunication system of scientific activity management on the basis of project-vector methodology. 2018 14th International Conference on Advanced Trends in Radioelecrtronics, Telecommunications and Computer Engineering (TCSET). doi: https://doi.org/10.1109/tcset.2018.8336186
  21. Biloshchytskyi, A., Kuchansky, A., Andrashko, Y., Biloshchytska, S., Danchenko, O. (2018). Development of Infocommunication System for Scientific Activity Administration of Educational Environment’s Subjects. 2018 International Scientific-Practical Conference Problems of Infocommunications. Science and Technology (PIC S&T). doi: https://doi.org/10.1109/infocommst.2018.8632036
  22. Biloshchytskyi, A., Kuchansky, A., Paliy, S., Biloshchytska, S., Bronin, S., Andrashko, Y. et. al. (2018). Development of technical component of the methodology for project­vector management of educational environments. Eastern-European Journal of Enterprise Technologies, 2 (2 (92)), 4–13. doi: https://doi.org/10.15587/1729-4061.2018.126301
  23. Mulesa, O., Geche, F. (2016). Designing fuzzy expert methods of numeric evaluation of an object for the problems of forecasting. Eastern-European Journal of Enterprise Technologies, 3 (4 (81)), 37–43. doi: https://doi.org/10.15587/1729-4061.2016.70515
  24. Kuchansky, A., Biloshchytskyi, A. (2015). Selective pattern matching method for time-series forecasting. Eastern-European Journal of Enterprise Technologies, 6 (4 (78)), 13–18. doi: https://doi.org/10.15587/1729-4061.2015.54812
  25. Kuchansky, A., Biloshchytskyi, A., Andrashko, Y., Biloshchytska, S., Shabala, Y., Myronov, O. (2018). Development of adaptive combined models for predicting time series based on similarity identification. Eastern-European Journal of Enterprise Technologies, 1 (4 (91)), 32–42. doi: https://doi.org/10.15587/1729-4061.2018.121620
  26. Mulesa, O., Geche, F., Batyuk, A., Buchok, V. (2017). Development of Combined Information Technology for Time Series Prediction. Advances in Intelligent Systems and Computing, 361–373. doi: https://doi.org/10.1007/978-3-319-70581-1_26
  27. Biloshchytskyi, A., Kuchansky, A., Andrashko, Y., Biloshchytska, S., Dubnytska, A., Vatskel, V. (2017). The method of the scientific directions potential forecasting in infocommunication systems of an assessment of the research activity results. 2017 4th International Scientific-Practical Conference Problems of Infocommunications. Science and Technology (PIC S&T). doi: https://doi.org/10.1109/infocommst.2017.8246352
  28. Snytyuk, V. E. (2008). Forecasting. Models. Methods. Algorithms. Kyiv: Maklaut, 364.
  29. Sihombing, D. I., Sitompul, O. S., Sutarman, Nababan, E. (2018). Combining the use of analytical hierarchy process and lexicographic goal programming in selecting project executor. IOP Conference Series: Materials Science and Engineering, 420, 012113. doi: https://doi.org/10.1088/1757-899x/420/1/012113
  30. Asanov, A., Myshkina, I. (2017). Selection of executors for realization of individual tasks of the project. SHS Web of Conferences, 35, 01026. doi: https://doi.org/10.1051/shsconf/20173501026
  31. Imangulova, Z., Kolesnyk, L. (2016). An algorithm for building a project team considering interpersonal relations of employees. Eastern-European Journal of Enterprise Technologies, 6 (3 (84)), 19–25. doi: https://doi.org/10.15587/1729-4061.2016.85222
  32. Baiden, B. K., Price, A. D. F. (2011). The effect of integration on project delivery team effectiveness. International Journal of Project Management, 29 (2), 129–136. doi: https://doi.org/10.1016/j.ijproman.2010.01.016
  33. Biloshchytskyi, A., Kuchansky, A., Andrashko, Y., Biloshchytska, S., Kuzka, O., Shabala, Y., Lyashchenko, T. (2017). A method for the identification of scientists' research areas based on a cluster analysis of scientific publications. Eastern-European Journal of Enterprise Technologies, 5 (2 (89)), 4–11. doi: https://doi.org/10.15587/1729-4061.2017.112323
  34. Lizunov, P., Biloshchytskyi, A., Kuchansky, A., Biloshchytska, S., Chala, L. (2016). Detection of near dublicates in tables based on the locality-sensitive hashing method and the nearest neighbor method. Eastern-European Journal of Enterprise Technologies, 6 (4 (84)), 4–10. doi: https://doi.org/10.15587/1729-4061.2016.86243
  35. Biloshchytskyi, A., Kuchansky, A., Biloshchytska, S., Dubnytska, A. (2017). Conceptual model of automatic system of near duplicates detection in electronic documents. 2017 14th International Conference The Experience of Designing and Application of CAD Systems in Microelectronics (CADSM). doi: https://doi.org/10.1109/cadsm.2017.7916155
  36. Trzeciak, J. (2005). Writing Mathematical Papers in English. A Practical Guide. European Mathematical Society, 51. doi: https://doi.org/10.4171/014
  37. Islam, A., Inkpen, D. (2008). Semantic text similarity using corpus-based word similarity and string similarity. ACM Transactions on Knowledge Discovery from Data, 2 (2), 1–25. doi: https://doi.org/10.1145/1376815.1376819
  38. Biloshchytskyi, A., Myronov, O., Reznik, R., Kuchansky, A., Andrashko, Y., Paliy, S., Biloshchytska, S. (2017). A method to evaluate the scientific activity quality of HEIs based on a scientometric subjects presentation model. Eastern-European Journal of Enterprise Technologies, 6 (2 (90)), 16–22. doi: https://doi.org/10.15587/1729-4061.2017.118377
  39. Ngram Viewer. Available at: https://books.google.com/ngrams
  40. National corpus of Russian language. Available at: http://www.ruscorpora.ru/new/index.html
  41. National corpus of Ukrainian language. Available at: http://www.mova.info/corpus.aspx
  42. Lin, Y., Michel, J.-B., Aiden, E. L., Orwant, J., Brockman, W., Petrov, S. (2012). Syntactic Annotations for the Google Books Ngram Corpus. Proceedings of the 50th Annual Meeting of the Association for Computational Linguistics, 169–174.

##submission.downloads##

Опубліковано

2019-08-07

Як цитувати

Lizunov, P., Biloshchytskyi, A., Kuchansky, A., Andrashko, Y., & Biloshchytska, S. (2019). Вдосконалення методу кластеризації публікацій на основі n-грам аналізу та нечіткий метод вибору наукових партнерів. Eastern-European Journal of Enterprise Technologies, 4(4 (100), 6–14. https://doi.org/10.15587/1729-4061.2019.175139

Номер

Розділ

Математика та кібернетика - прикладні аспекти