- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
본 연구에서는 FRBRoo 분석을 바탕으로 FRBR 시리즈 개념모형을 확장하고 개선하기 위한 방안을 제시하고자 했다. FRBRoo는 CIDOC CRM과 연계된 플러그인 온톨로지다. FRBR 모형을 대체하는 것이 아니라 박물관 분야와의 협력을 위해 개발된 것이다. 연구 과정에서 FRBR 시리즈 모형이 IFLA LRM으로 통합 개정되었다. 이에 LRM에 대한 분석도 추가하였다. 서지 정보가 도서관의 업무와 이용자를 지원해야 한다면, 도서관이 당면한 새로운 과제를 지원하기 위해 서지정보를 분석하는 방식도 개선되어야 할 것이다. 이를 위해서는 시간과 관련된 이벤트 개념이 서지정보의 모델링에 반영되어야 한다. 또한 서지정보의 구축과 교환 단위를 서지레코드보다 더 작은 단위나 더 큰 단위로도 확대해야 하며, FRBRoo를 서지정보의 공유를 위한 외부와의 연계 통로로 활용하는 것이 바람직하다.
Abstract
In this study, based on the analysis of FRBRoo, we tried to propose suggestions to expand and improve the FRBR family conceptual model. FRBRoo is a plug-in ontology of CIDOC CRM with cooperation of museum field. As FRBR family models also revised and integrated into IFLA Library Reference Model, the additional analysis on IFLA LRM was performed. If bibliographic information is required to support the technical and user services of the library, the way to analyze the bibliographic information should be improved in order to cope with the new challenges faced by the library. To do this, time-related event concepts should be reflected in the modeling of bibliographic information. It is also necessary to expand the creation and exchange unit of bibliographic information to smaller units or larger units than legacy bibliographic records. Using FRBRoo as a linkage tool for the sharing of bibliographic information is also suggested.
초록
연구전선이란 연구논문들 간에 인용이 빈번하게 발생하며, 지속적으로 발전이 이루어지고 있는 연구영역을 의미한다. 연구행위가 집중되는 핵심 연구분야로 발전 가능성이 높은 연구전선을 조기에 예측해내는 것은 학계와 산업계, 정부기관, 나아가 국가의 과학기술 발전에 큰 유익을 가져다 줄 수 있는 유용한 사회적 자원이 된다. 본 연구는 복합자질을 활용하여 연구전선을 추론하는 모델을 제시하고자 시도하였다. 연구전선 추론은 핵심 연구영역으로 발전할 가능성이 높은 문헌들이 포함될 수 있도록 문헌을 복합자질로 표현하고, 그 자질들을 심층학습하여 새로 발행된 문헌들이 연구전선에 포함될 수 있는지 그 가능성을 예측하였다. 서지 자질, 네트워크 자질, 내용 자질 등 복합자질 세트를 사용하여 문헌을 표현하고 피인용을 많이 받을 가능성이 있는 문헌을 추론하기 위해서 확률기반 팩터그래프 모델을 적용하였다. 추출된 자질들은 팩터그래프의 변수로 표현되어 합-곱 알고리즘과 접합 트리 알고리즘을 적용하여 연구전선 추론이 이루어졌다. 팩터그래프 확률모델을 적용하여 연구전선을 추론․구축한 결과, 서지결합도 4 이상으로 구축된 베이스라인 연구전선과 큰 차이를 보였다. 팩터그래프 기반 연구전선그룹이 서지결합 기반 연구전선그룹보다 문헌 간의 직접 연결정도가 강하며 연결 관계에 있지 않은 두 개의 문헌을 연결시키는 매개정도 또한 강한 집단으로 나타났다.
Abstract
This study attempts to infer research fronts using factor graph model based on heterogeneous features. The model suggested by this study infers research fronts having documents with the potential to be cited multiple times in the future. To this end, the documents are represented by bibliographic, network, and content features. Bibliographic features contain bibliographic information such as the number of authors, the number of institutions to which the authors belong, proceedings, the number of keywords the authors provide, funds, the number of references, the number of pages, and the journal impact factor. Network features include degree centrality, betweenness, and closeness among the document network. Content features include keywords from the title and abstract using keyphrase extraction techniques. The model learns these features of a publication and infers whether the document would be an RF using sum-product algorithm and junction tree algorithm on a factor graph. We experimentally demonstrate that when predicting RFs, the FG predicted more densely connected documents than those predicted by RFs constructed using a traditional bibliometric approach. Our results also indicate that FG-predicted documents exhibit stronger degrees of centrality and betweenness among RFs.