ellibsЭлектронные библиотекиRussian Digital Libraries Journal1562-5419Казанский (Приволжский) федеральный университет10.26907/1562-5419-2023-26-2-203-224ellibs-371Research ArticleСтатьиСемантический рекомендательный сервис присвоения кода УДК математическим статьямSemantic Recommendation Service for Assigning UDC Code to Mathematical ArticlesНевзороваО. А.NevzorovaO. A.onevzoro@gmail.comАльмухаметовД. А.AlmukhametovD. A.dnlanik@gmail.comКазанский (Приволжский) Федеральный университетKazan (Volga region) Federal University202328042023262203–224Copyright © Невзорова О.А., Альмухаметов Д.А., 20232023Невзорова О.А., Альмухаметов Д.А.Nevzorova O.A., Almukhametov D.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://ellibs.elpub.ru/jour/article/view/371

Классификация документов с присвоением кодов-классификаторов является традиционным способом систематизации и поиска документов по определенной тематике. Универсальная десятичная классификация (УДК) лежит в основе систематизации знаний, представленных в библиотеках, базах данных и других хранилищах информации. В России УДК является обязательным реквизитом всей книжной продукции и информации по естественным и техническим наукам. Выбор классификационных кодов связан с анализом структуры дерева классификатора и традиционно выполняется автором научной статьи. В настоящей работе предложено решение задачи автоматизации подбора классификационного кода УДК для математической статьи на основе специального ресурса – онтологии OntoMathPRO профессиональной математики, разработанной в Казанском федеральном университете. Подходом к решению задачи автоматизации является создание «кодовых карт» для каждого классифицирующего кода в дереве УДК в области математики. Под «кодовой картой» понимается взвешенный набор всех математических именованных сущностей, извлеченных с помощью онтологии OntoMathPRO из коллекции статей с заданным кодом УДК. Создание «кодовых карт» основано на гипотезе о том, что выбор кода УДК обуславливается определённым набором классифицирующих признаков, которые можно представить классами из онтологии OntoMathPRO. Предложенная гипотеза проверена и подтверждена: проверка гипотезы проведена на коллекции математических статей, опубликованных в журнале «Известия ВУЗов. Математика» в течение 1999–2009 гг.

Classification of documents with the assignment of classifier codes is a traditional way of systematizing and searching for documents on a specific topic. The Universal Decimal Classification (UDC) underlies the systematization of knowledge presented in libraries, databases and other information repositories. In Russia, UDC is an obligatory attribute of all book production and information on natural and technical sciences. The choice of classification codes is associated with the analysis of the structure of the classifier tree and is traditionally decided by the author of a scientific article. This article proposes a solution for automating the assigning the UDC classification code for a mathematical article based on a special resource – the OntoMathPRO ontology for professional mathematics, developed at Kazan Federal University. An approach to solving the problem is to create "code maps" for each classifying code in the UDC tree in the field of mathematics. Under the "code map" is meant a weighted set of all extracted, with the help of OntoMathPRO ontology, mathematical named entities from the collection of articles with a given UDC code. The creation of "code maps" is based on the hypothesis that the choice of the UDC code is determined by a certain set of classifying features that can be represented by classes from the OntoMathPRO ontology. The proposed hypothesis was tested and confirmed in the paper. The hypothesis was tested on a collection of mathematical articles An approach to solving the problem is to create "code maps" for each classifying code in the UDC tree in the field of mathematics. Under the "code map" is meant a weighted set of all extracted, with the help of OntoMathPRO ontology, mathematical named entities from the collection of articles with a given UDC code. The creation of "code maps" is based on the hypothesis that the choice of the UDC code is determined by a certain set of classifying features that can be represented by classes from the OntoMathPRO ontology. The proposed hypothesis was tested and confirmed in the paper.  The hypothesis was tested on a collection of mathematical articles published during 1999-2009 in the "Izvestiya VUZov. Mathematics" journal. 

Универсальная десятичная классификациякодовая карткодовая картаонтология OntoMathPROматематическая статьяthe Universal Decimal Classificationcode mapcode mapthe OntoMathPRO ontologymathematical articleReferencesLu J., Wu D., Mao M., Wang W., Zhang G. Recommender system application developments: A survey // Decision Support Systems. 2015. V. 74. P. 12–32.Lu J., Wu D., Mao M., Wang W., Zhang G. Recommender system application developments: A survey // Decision Support Systems. 2015. V. 74. P. 12–32.Ricci F. Recommender Systems: Models and Techniques // Encyclopedia of Social Network Analysis and Mining. Springer: 2014, P. 1511–1522. https://doi.org/10.1007/978-1-4614-6170-8_88Ricci F. Recommender Systems: Models and Techniques // Encyclopedia of Social Network Analysis and Mining. Springer: 2014, P. 1511–1522. https://doi.org/10.1007/978-1-4614-6170-8_88Elizarov A.M., Lipachev E.K. Methods of processing large collections of scientific documents and the formation of digital mathematical library // CEUR Workshop Proceedings. 2020. V. 2543. P. 354–360.Elizarov A.M., Lipachev E.K. Methods of processing large collections of scientific documents and the formation of digital mathematical library // CEUR Workshop Proceedings. 2020. V. 2543. P. 354–360.Elizarov A.M., Lipachev E.K. Big Math methods in Lobachevskii-DML digital library // CEUR Workshop Proceedings. 2019. V. 2523. P. 59–72.Elizarov A.M., Lipachev E.K. Big Math methods in Lobachevskii-DML digital library // CEUR Workshop Proceedings. 2019. V. 2523. P. 59–72.Romanov A.Y., Lomotin K.E., Kozlova E.S., Kolesnichenko A.L. Research of neural networks application efficiency in automatic scientific articles classification according to UDC // 2016 International Siberian Conference on Control and Communications (SIBCON), Moscow, Russia, 12–14 May, 2016. IEEE: 2016, P. 7–11. https://doi.org/10.1109/SIBCON.2016.7491783Romanov A.Y., Lomotin K.E., Kozlova E.S., Kolesnichenko A.L. Research of neural networks application efficiency in automatic scientific articles classification according to UDC // 2016 International Siberian Conference on Control and Communications (SIBCON), Moscow, Russia, 12–14 May, 2016. IEEE: 2016, P. 7–11. https://doi.org/10.1109/SIBCON.2016.7491783Khoo M.J., Ahn J.W., Binding C., Jones H.J., Lin X., Massam D., Tudhope D. Augmenting Dublin core digital library metadata with Dewey decimal classification // Journal of Documentation. 2015. V. 71. No. 5. P. 976–998.Khoo M.J., Ahn J.W., Binding C., Jones H.J., Lin X., Massam D., Tudhope D. Augmenting Dublin core digital library metadata with Dewey decimal classification // Journal of Documentation. 2015. V. 71. No. 5. P. 976–998.Bai X., Wang M., Lee I., Yang Z., Kong X., Xia F. Scientific paper Recommendation: a survey // IEEE Access. IEEE. 2019. V. 7. P. 9324–9339. https://doi.org/10.1109/ACCESS.2018.2890388Bai X., Wang M., Lee I., Yang Z., Kong X., Xia F. Scientific paper Recommendation: a survey // IEEE Access. IEEE. 2019. V. 7. P. 9324–9339. https://doi.org/10.1109/ACCESS.2018.2890388Beel J., Aizawa A., Breitinger C., Gipp B. Mr. DLib: recommendations-as-a-service (RaaS) for academia // Proceedings of the ACM/IEEE-CS Joint Conference on Digital Libraries (JCDL) 2017.Beel J., Aizawa A., Breitinger C., Gipp B. Mr. DLib: recommendations-as-a-service (RaaS) for academia // Proceedings of the ACM/IEEE-CS Joint Conference on Digital Libraries (JCDL) 2017.Zhang S., Yao L., Sun A., Tay Y. Deep Learning Based Recommender System: A Survey and New Perspectives // ACM Computing Surveys. 2019. V. 52(1).Zhang S., Yao L., Sun A., Tay Y. Deep Learning Based Recommender System: A Survey and New Perspectives // ACM Computing Surveys. 2019. V. 52(1).P. 1–38.P. 1–38.Schubotz M. et al. AutoMSC: Automatic Assignment of Mathematics Subject Classification Labels // Proceedings of the 13th Conference on Intelligent Computer Mathematics. 2020.Schubotz M. et al. AutoMSC: Automatic Assignment of Mathematics Subject Classification Labels // Proceedings of the 13th Conference on Intelligent Computer Mathematics. 2020.Kragelj M., Kljajić Borštnar M. Automatic classification of older electronic texts into the Universal Decimal Classification–UDC // Journal of Documentation. 2021. V. 77. No. 3.Kragelj M., Kljajić Borštnar M. Automatic classification of older electronic texts into the Universal Decimal Classification–UDC // Journal of Documentation. 2021. V. 77. No. 3.Nevzorova O.A., Zhiltsov N.G., Kirillovich A.V., Lipachev E.K. OntoMathPRO Ontology: a Linked data hub for mathematics // 5th International Conference, KESW 2014, Kazan, Russia, September 29 – October 1, 2014. Springer: 2014. V. 468. P. 105–119. https://doi.org/10.1007/978-3-319-11716-4Nevzorova O.A., Zhiltsov N.G., Kirillovich A.V., Lipachev E.K. OntoMathPRO Ontology: a Linked data hub for mathematics // 5th International Conference, KESW 2014, Kazan, Russia, September 29 – October 1, 2014. Springer: 2014. V. 468. P. 105–119. https://doi.org/10.1007/978-3-319-11716-4Липачёв Е.К. К приближенному решению краевой задачи дифракции волн на областях с бесконечной границей // Изв. Вузов. Математика. 2001. № 4 (467). С. 69–72.Липачёв Е.К. К приближенному решению краевой задачи дифракции волн на областях с бесконечной границей // Изв. Вузов. Математика. 2001. № 4 (467). С. 69–72.

The authors declare that there are no conflicts of interest present.