АНАЛІЗ НАУКОВИХ ТЕКСТІВ ДЛЯ ВИЗНАЧЕННЯ ПОТЕНЦІЙНИХ СПІВАВТОРІВ

Анотація

У статті проаналізовано сучасні підходи до пошуку наукових співавторів, зокрема засоби, що базуються на аналізі текстових даних. Розглянуто ключові недоліки традиційних методів, таких як використання наукових баз даних і академічних соціальних мереж, що обмежують точність і повноту пошуку потенційних партнерів. Зазначено, що такі методи часто фокусуються лише на явних зв'язках між дослідниками, ігноруючи приховані спільноти або менш очевидні точки перетину наукових інтересів. Наголошено на перспективності використання інтелектуального аналізу тексту (text mining) та великих мовних моделей (LLM) для виявлення дослідників із релевантною експертизою. Показано, що ці методи можуть автоматично витягати ключові концепції з текстів наукових статей, визначати спільні дослідницькі інтереси та виявляти потенційно продуктивні наукові тандеми. Зазначено переваги цих методів, зокрема здатність ідентифікувати приховані зв'язки між дослідниками та забезпечувати глибший контекстуальний аналіз. Крім того, підкреслено можливість застосування таких методів для пошуку нових міждисциплінарних напрямків досліджень. Окремо розглянуто питання оптимізації LLM для зменшення витрат на обчислювальні ресурси та екологічного навантаження. Наголошено на необхідності використання менш ресурсомістких архітектур та алгоритмів з підвищеною ефективністю обчислень. Підкреслено важливість комбінування класичних статистичних підходів із сучасними мовними моделями для підвищення ефективності рекомендацій. Розглянуто методи адаптації LLM під специфіку наукових текстів для поліпшення якості результатів. Отримані результати свідчать про значний потенціал таких методів у розв'язанні проблеми ідентифікації наукових співавторів у сучасних системах відкритої науки. Окрім цього, окреслено перспективи подальших досліджень у напрямку поєднання різних підходів до текстового аналізу для створення комплексних рішень у галузі наукометрії.