Журнал Современные наукоемкие технологии 1812-7320 Общество с ограниченной ответственностью "Издательский Дом "Академия Естествознания" 10.17513/snt.37775 ART-37775 Верификация методики классификации библиографических данных на основе условно-случайных полей Черников Б.В. Chernikov B.V. bor-cher@yandex.ru Петров Е.Н. Petrov E.N. fiddenmar@gmail.com Борисова Е.А. Borisova E.N. lb20062006@yandex.ru ООО «Газпром ВНИИГАЗ» LLC «Gazprom VNIIGAZ» Российский экономический университет им. Г.В. Плеханова Plekhanov Russian University of Economics Национальный исследовательский университет «МИЭТ» National Research University of Electronic Technology 04 11 2019 11 113 118 This is an open-access article distributed under the terms of the CC BY 4.0 license. https://top-technologies.ru/article/view?id=37775

По оценкам специалистов, от 70 до 90?% всей потенциально полезной деловой информации представлено в неструктурированной форме, что, учитывая взрывной рост объемов информации за последние годы, связанный с развитием интернета, снижает возможности ее эффективной обработки и анализа. В частности, существуют проблемы обработки библиографических данных, используемые в библиотеках, вузах, в научно-исследовательских институтах и в других организациях, связанных с издательской или научной деятельностью. При ручной обработке данных результат работы подвержен влиянию человеческого фактора: неточности при перепечатке, пропуск опциональных и обязательных полей библиографического описания, нарушение порядка следования, недостаток или избыток пунктуационных символов. Указанные отступления от стандартов усложняют поиск и определение использованных источников, затрудняя научную и отчетную работу. С другой стороны, выполнение данной работы средствами вычислительной техники гарантирует отсутствие ошибок по невнимательности, универсальность обработки различных форматов данных, структуризацию и быстроту обработки и, как следствие, своевременную отчетность. В статье представлена характеристика программной реализации и верификации методики классификации библиографических данных на основе условно-случайных полей, которая была разработана для решения этой задачи. В результате вычислительного эксперимента, проведенного с помощью программного комплекса классификации библиографических данных, получено увеличение качества классификации модели, обученной с помощью разработанной методики, на 9–10?%.

According to recent surveys, 70 to 90?% of business data is stored unstructured, and while the volume of such data has increased, the processing ability has not. This fact affects the efficiency of the data processing and analysis. In particular, bibliographic data that is used in libraries, universities and other organizations is still manually processed. Thus human factor has a dramatic impact on processing results. Typos, missing bibliographical elements, wrong sequence order and punctuation errors complicate proper citation search and obstruct scientific work and report composition. Meanwhile computer processing guarantees faster and error free data processing. The article presents software implementation and verification of CRF-based bibliographic data classification method that was developed to solve the described problem in earlier studies of the authors. The experiment carried out with the bibliographic data classification software showed classification quality improvement by 9-10?% due to the applied method. In the current state of development, operator involvement is still required. This proves the need for further research to improve the methodology.

 библиографические данные программное обеспечение классификация точность полнота bibliographic data software classification precision recall

1. Петров Е.Н. Исследование и разработка методики и алгоритма классификации библиографических данных с помощью условно-случайных полей // Итоги диссертационных исследований: материалы Х Всероссийского конкурса молодых ученых. Т. 2. М.: РАН, 2018. С. 91–98.

2. Powers D.M. Evaluation: from precision, recall and F-measure to ROC, informedness, markedness and correlation. Journal of Machine Learning Technologies. 2011. Vol. 2. Issue  1. P. 37–63.

3. Sutton C., McCallum A. An Introduction to Conditional Random Fields. Foundations and Trends in Machine Learning. 2012. Vol. 4. no. 4. P. 267–373.

4. Liu D.C., Nocedal J. On the limited memory BFGS method for large scale optimization. Mathematical programming. 1989. Vol. 45. no. 1–3. P. 503–528.

5. Quoc V. Le, Jiquan Ngiam, Adam Coates, Abhik Lahiri, Bobby Prochnow, Andrew Y.Ng. On optimization methods for deep learning. In Proceedings of the 28th International Conference on International Conference on Machine Learning (ICML’11). Omnipress, USA, 2011. P. 265–272.

6. Viterbi A. Error bounds for convolutional codes and an asymptotically optimum decoding algorithm. IEEE transactions on Information Theory. 1967. Vol. 13. no. 2. P. 260–269.

7. ГОСТ 7.0.100-2018. Библиографическая запись. Библиографическое описание. Общие требования и правила составления. М.: Изд-во стандартов, 2018. 128 с.