Экспертная, журнальная и автоматическая классификация полных текстов и аннотаций научных статей

Научно-техническая информация. Серия 2: Информационные процессы и системы Pub Date : 2021-01-01 DOI:10.36535/0548-0027-2021-08-3

И.В. Селиванова, I. Selivanova, Денис Викторович Косяков, Denis Kosyakov, Д.А. Дубовицкий, D.А. Dubovitskii, Андрей Евгеньевич Гуськов, А.Е. Guskov

{"title":"Экспертная, журнальная и автоматическая классификация полных текстов и аннотаций научных статей","authors":"И.В. Селиванова, I. Selivanova, Денис Викторович Косяков, Denis Kosyakov, Д.А. Дубовицкий, D.А. Dubovitskii, Андрей Евгеньевич Гуськов, А.Е. Guskov","doi":"10.36535/0548-0027-2021-08-3","DOIUrl":null,"url":null,"abstract":"Рассматривается принципиально новый теоретико-информационный подход к классификации научных текстов, основанный на алгоритмах компрессии. Сравнительный анализ на примере классификации полнотекстовых документов из arXiv.org и кратких аннотаций из Scopus показал, что точность предложенного метода составляет 87-92% и, в основном, не уступает уже существующим. Эти выводы подтвердила экспертная оценка.","PeriodicalId":24076,"journal":{"name":"Научно-техническая информация. Серия 2: Информационные процессы и системы","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2021-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Научно-техническая информация. Серия 2: Информационные процессы и системы","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36535/0548-0027-2021-08-3","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Рассматривается принципиально новый теоретико-информационный подход к классификации научных текстов, основанный на алгоритмах компрессии. Сравнительный анализ на примере классификации полнотекстовых документов из arXiv.org и кратких аннотаций из Scopus показал, что точность предложенного метода составляет 87-92% и, в основном, не уступает уже существующим. Эти выводы подтвердила экспертная оценка.

查看原文本刊更多论文

专家、期刊和自动分类完整文本和科学文章注释

正在考虑一种基于压缩算法的科学文本分类的全新理论信息方法。arXiv.org和Scopus简要注释的比较分析显示，拟议方法的准确性为87-92%，基本上与现有方法相同。这些发现得到了专家评估的证实。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Научно-техническая информация. Серия 2: Информационные процессы и системы

自引率

0.00%

发文量