著者:  （1）アルカンジェロ・マッサリ、オープン学術メタデータ研究センター、ボローニャ大学古典文献学・イタリア研究科、ボローニャ、イタリア {arcangelo.massari@unibo.it}  （２）ファビオ・マリアーニ、ロイプハナ大学哲学・芸術科学研究所、ドイツ、リューネブルク {fabio.mariani@leuphana.de}  （３）イヴァン・ヘイビ、ボローニャ大学古典文献学・イタリア研究科オープン学術メタデータ研究センター、ボローニャ、イタリアおよびボローニャ大学古典文献学・イタリア研究科デジタル人文学先端研究センター（/DH.arc）{ivan.heibi2@unibo.it}  （4）シルヴィオ・ペローニ、ボローニャ大学古典文献学・イタリア研究科オープン学術メタデータ研究センター、ボローニャ、イタリアおよびボローニャ大学古典文献学・イタリア研究科デジタル人文学先端研究センター（/DH.arc）{silvio.peroni@unibo.it}  （５）デイビッド・ショットン、オックスフォード大学オックスフォードe-リサーチセンター、オックスフォード、イギリス {david.shotton@opencitations.net}。 リンク一覧 概要と序文 関連事業 方法論 データとサービス 議論 結論、謝辞、参考文献 2. 関連研究 このセクションでは、サブスクリプションなしでアクセスできる最も重要な学術出版データセット、つまり学術書誌メタデータを保持する公開データセットについて説明します。OpenCitations Meta はセマンティック ウェブ技術を使用してデータを表すため、Wikidata、Springer Nature SciGraph、BioTea、OpenResearch Knowledge Graph、Scholarly Data などの RDF データセットに特に注目します。さらに、OpenAIRE Research Graph、OpenAlex、Scholarly Data についても説明します。これらは、データをセマンティックに表すものではありませんが、作品の数の点で最も広範なデータセットです。  OpenAlex (Priem et al., 2022) は、2022年1月1日にMicrosoft Academic Graphの灰の中から蘇り、そのメタデータをすべて継承しました。これには、Crossref (Hendricks et al., 2020)、Pubmed (Maloney et al., 2013)、ORCID (Haak et al., 2012)、ROR (Lammey, 2020)、DOAJ (Morrison, 2017)、Unpaywall (Dhakal, 2019)、arXiv (Sigurdsson, 2020)、Zenodo (Research & OpenAIRE, 2013)、ISSN International Centre[1]、およびInternet ArchiveのGeneral Index[2]のデータが含まれています。さらに、Webクロールを使用して、不足しているメタデータを追加します。2億4千万以上の作品[3]を擁するOpenAlexは、これまでで最も広範な書誌メタデータデータセットです。 OpenAlex は各リソースに永続的な識別子を割り当てます。さらに、共著者、引用、書誌リソースのその他の特徴に基づくヒューリスティックによって著者が明確にされます。データは CC0 ライセンスの下で配布され、API、Web インターフェイス、または OpenAlex データベースの完全なスナップショット コピーをダウンロードすることでアクセスできます。  OpenAIRE プロジェクトは、欧州委員会のオープン アクセス義務の採用をサポートするために 2008 年に開始されました (Manghi 他、2010)。現在では、欧州オープン サイエンス クラウドを実現するための Horizon 2020 研究イノベーション プログラム内の旗艦組織となっています (欧州委員会、研究イノベーション総局、2016)。その主要な成果の 1 つが OpenAIRE Research Graph で、これには学術成果 (文献、データセット、ソフトウェアなど)、組織、研究資金提供者、資金源、プロジェクト、コミュニティに関するメタデータと、来歴情報が含まれています。データはさまざまなソースから収集されています (Atzori 他、2017)。アーカイブ (例: ArXiv (Sigurdsson、2020)、Europe PMC (The Europe PMC Consortium、2015)、Software Heritage (Abramatic 他、2018)、Zenodo (Research & OpenAIRE、2013))。アグリゲーターサービス、例えばDOAJ (Morrison、2017) や OpenCitations (Peroni & Shotton、2020)、その他の研究グラフ、例えばCrossref (Hendricks et al.、2020) や DataCite (Brase、2009)。2023年6月現在、このOpenAIREデータセットは232,174,001の研究成果[4]で構成されていました。OpenAIREによって実装された重複排除プロセスは、PIDだけでなく、著者数やタイトルのレーベンシュタイン距離などの他のヒューリスティックも考慮に入れています。ただし、OpenAIREがエンティティに関連付ける内部識別子は永続的ではなく、データが更新されると変更される可能性があります。OpenAIRE Research Graphのデータには、APIとExploreインターフェースを介してアクセスできます。ダンプは、Creative Commons Attribution 4.0 International Licenceの下でも利用できます。  Semantic Scholarは、2015年にアレン人工知能研究所によって導入されました（Fricke、2018）。これは、人工知能を使用してユーザーの検索に最も関連性の高い論文のみを選択し、自動要約を作成するなどして探索を簡素化する検索エンジンです。Semantic Scholarは、Webインデックスと科学雑誌、インデックス、コンテンツプロバイダーとのパートナーシップを通じてコンテンツを入手しています。その中には、計算言語学協会、ケンブリッジ大学出版局、IEEE、PubMed、Springer Nature、MIT Press、Wiley、arXiv、HAL、PubMedなどがあります。2023年6月現在、212,605,886件の学術作品がインデックスされています[5]。著者は人工知能モデル（Subramanian et al.、2021）によって曖昧性が解消され、Semantic Scholar IDに関連付けられ、著者ごとにページが自動的に生成され、本人が引き換えることができます。 Semantic Scholar は Web インターフェイスと API を提供し、完全なデータセットは Open Data Commons Attribution Licence (ODCBy) v1.0 に基づいてダウンロードできます。  Wikidataは、Wikipedia、Wikivoyage、Wiktionary、Wikisourceなどの他のWikimediaプロジェクトのRDFデータを格納するためのオープンナレッジベースとして、2012年にWikimedia Deutschlandによって導入されました（Mora-Cantallops et al., 2019）。その成功により、Googleは2014年に「構造化データ用のWikipedia」となることを意図していたFreebaseを閉鎖し、Wikidataに移行しました（Tanon et al., 2016）。2016年以来、WikiCiteプロジェクトは書誌データベースとしてのWikidataの進化に大きく貢献しており、2023年6月までにWikidataには39,864,447件の学術論文の説明が含まれています[6]。あらゆるエンティティ（書誌リソースを含む）を参照する内部 Wikidata 識別子は、DOI、PMID、PMCID、arXiv、ORCID、Google Scholar、VIAF、Crossref funder ID、ZooBank、Twitter など、多数の外部識別子に関連付けられています。データは、Turtle および NTriples の RDF ダンプとして CC0 ライセンスで公開されています。ユーザーは、Web インターフェイスの SPARQL 経由で、また 2017 年以降は Scholia 経由で閲覧できます。Scholia は、リアルタイムの SPARQL クエリを実行して研究者、組織、ジャーナル、出版社、学術作品、研究トピックのプロファイルを生成する Web サービスであり、貴重なインフォグラフィックも生成します (Nielsen 他、2017)。  OpenAIRE Research GraphとWikidataは多くの異種ソースを集約していますが、Springer Nature SciGraph（Hammond et al., 2017）は、Springer Natureとそのパートナーからのデータのみを集約しています。出版物、所属、研究プロジェクト、資金提供者、会議に関するエンティティが含まれており、合計1,400万以上の研究成果が含まれています[7]。現在、パブリックSPARQLエンドポイントを提供する予定はありませんが、ブラウザインターフェースを介してデータを探索する可能性はあり、ダンプはCC-BYライセンスの下でJSON-LD形式で毎月リリースされます。  BioTea もドメイン指向のデータセットであり、RDF テクノロジを使用して、PubMed Central (PMC-OA) (Garcia 他、2018) の注釈付き全文オープンアクセス サブセットを表します。2018 年の論文の時点で、データセットには 150 万の書誌リソースが含まれていました。他のデータセットとは異なり、BioTea はメタデータと引用を記述し、注釈付き全文を意味的に定義します。名前付きエンティティ認識分析を採用して、バイオメディカル オントロジーに関連する表現と用語を識別し、注釈として記録します (例: 生体分子、薬物、疾患について)。BioTea データは、Creative Commons Attribution Non-Commercial 4.0 International ライセンスの下で、RDF/XML および JSON-LD 形式のダンプとしてリリースされていますが、SPARQL エンドポイントは現在オフラインです。 注目すべきアプローチは、Open Research Knowledge Graph (ORKG) (Auer et al., 2020) が採用しているアプローチです。メタデータは主に、クラウドソーシングを介して信頼できるエージェントによって収集されるか、Crossref から自動的に収集されます。ただし、ORKG の主な目的はメタデータを整理することではなく、サービスを提供することです。これらのサービスの主な範囲は、単語埋め込みを使用して文献比較分析を実行し、類似性分析を可能にし、関連する作品の探索とリンクを促進することです。このような高度な分析を可能にするには、Crossref からのメタデータだけでは不十分です。したがって、トピック、結果、方法、教育的背景、評価者に関する構造化された注釈を各リソースに対して手動で指定する必要があります。データセットには (2023 年 6 月現在) 25,680 件の論文[8]、5153 件のデータセット、1364 件のソフトウェア、71 件のレビューが含まれています。ORKG データセットの作成に対する人間の貢献の重要性を考慮して、プラットフォームは RDF 形式ではありませんが、変更と来歴を追跡します。データは、Web インターフェース、SPARQL、API を通じて探索でき、CC BY-SA ライセンスに基づいてダウンロードすることもできます。  ScholarlyData は、セマンティック ウェブに関する会議やワークショップに関する情報のみを収集しています (Nuzzolese 他、2016)。データは、会議オントロジーに従ってモデル化されています。会議オントロジーは、採択された論文、著者、所属、組織委員会など、学術会議の一般的なエンティティを記述しますが、書誌情報は記述しません。2023 年 6 月までに、データセットには 5678 件の会議論文に関する情報が格納されました。このようなデータセットは、CSV ファイルから RDF を出力する Conference Linked Open Data ジェネレーター ソフトウェアを使用して更新されます (Gentile & Nuzzolese、2015)。エージェントの重複排除は、教師あり分類法 (Zhang 他、2017) を使用して URI のみに基づいて行われ、ORCID は別のステップで追加されます。この方法論では、同音異義語の存在には対処していません。ただし、インデックス付けされる会議には数千人しか関与していないため、これは ScholarlyData にとって小さな問題です。 ScholarlyData は SPARQL エンドポイント経由で探索でき、ダンプは Creative Commons Attribution 3.0 Unported ライセンスの下で RDF/XML 形式で利用できます。 最後に、上記の他のデータセットのいずれも、変更追跡データと関連する来歴情報を RDF で公開していないことを指摘しておきます。 表 1 は、各データセットで行われたすべての考慮事項をまとめたものです。 この論文は、CC 4.0 DEED ライセンスの下で 。 arxiv で公開されています  [1] https://www.issn.org/  [2] https://archive.org/details/GeneralIndex  [3] https://docs.openalex.org/api-entities/works  [4] https://explore.openaire.eu/search/find/research-outcomes  [5] https://www.semanticscholar.org/  [6] https://scholia.toolforge.org/statistics  [7] https://scigraph.springernature.com/explorer/datasets/data_at_a_glance/  [8] https://orkg.org/papers

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Read My Stories

Categorize is the leading authority on the categorization of technologies mentioned in research papers and blog posts.

Categorize's blog

このオーディオは、ストーリーの元の言語で制作されています。

OpenCitations メタ: 関連作品

About Author

コメント

ラベル

この記事は

Related Stories

State of the Noonion: Green Clock Strikes Noon

18 種類の開発者ツールで生産性を向上しましょう 🚀🔥

AI/ML データレイクのリファレンスアーキテクチャを構築するためのアーキテクトガイド

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

State of the Noonion: Green Clock Strikes Noon

18 種類の開発者ツールで生産性を向上しましょう 🚀🔥

AI/ML データレイクのリファレンスアーキテクチャを構築するためのアーキテクトガイド

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps