Ziel des Projektes war die Entwicklung einer Applikation zur Analyse wissenschaftlicher Artikel und deren Zusammenhänge.
Literaturrecherche, Zitationsanalyse, Zitationsgraphen, PageRank, SNA, Citation Graph, Doc2Vec
Ziel der Arbeit war die Entwicklung eines Softwaresystems, welches Forschende bei der Literaturrecherche unterstützt. Genauer sollen Zitationsgraphen durch die manuelle Interaktion von Benutzern bearbeitet werden können, um so Zusammenhänge zwischen wissenschaftlichen Artikeln erfassen zu können. Durch die Bearbeitung des Graphen sollen zudem Ranking-Verfahren beeinflusst werden können, bspw. indem Artikel, die im Graphen entfernt wurden, nicht ins Ranking einfliessen.
Für Forschungsprojekte ist es zu Beginn notwendig, sich einen Überblick über vorhandene Literatur im Forschungsgebiet zu verschaffen und nach relevanten wissenschaftlichen Publikationen zu suchen. Dies geschieht u. a. über Suchmaschinen für wissenschaftliche Publikationen wie Google Scholar, Microsoft Academic und über Referenzen von bereits verfügbarer Literatur. Weil es immer mehr wissenschaftliche Publikationen gibt, wird es zudem immer schwieriger, den Überblick über vorhandene Literatur zu behalten. Citation Graph ermöglicht es Forschenden, sich einen Überblick über die vorhandene Literatur zu verschaffen. Datenbasis hierfür ist der Microsoft Academic Graph (MAG).
Es wurde eine Webapplikation entwickelt, welche den Workflow von Forschenden abbildet und sie in der Literaturrecherche optimal unterstützt. Ausgehend von einigen
wissenschaftlichen Publikationen wird Forschenden ermöglicht, durch Graphvisualisierung die Zusammenhänge dieser Artikel zu verstehen. Durch die Verwendung eines
Doc2Vec-Modells (Doc2Vec ist ein Verfahren, um Dokumente in Vektorräume abzubilden), kann auch visualisiert werden, ob Abstracts von Artikeln ähnlich zueinander sind.
Durch die Bearbeitung des Graphs ist es möglich, Ranking-Algorithmen wie PageRank entsprechend zu beeinflussen, bevor ein Ranking der verbleibenden Artikel durchgeführt wird.
Benutzerbefragungen zeigten, dass die Graphvisualisierung ein besonders gelungenes Werkzeug ist, um sich einen Überblick über Literatur zu verschaffen.
Im Bereich der Rankings sollten weitere Verfahren evaluiert werden, da PageRank und weitere verwandte Algorithmen nur ein akzeptables Ergebnis liefern, sofern die Artikel
miteinander durch Zitierungen / Referenzen zusammenhängen. Hier könnte bspw. eine Verwendung von Graph Neural Networks untersucht werden.
Die Visualisierung des Zitationsnetzwerks in Citation Graph mit einem Clustering anhand von Themengebieten.
Projektart: IP6 - Bachelor Thesis
Zeitraum: Februar 2019 - August 2019
Zeitaufwand: 720 Personenstunden
Teamgrösse: 2 Personen
Prof. Dr. Martin Melchior
Institut für Data Science
Fachhochschule Nordwestschweiz
Bahnhofstrasse 6
martin.melchior@fhnw.ch
Jonas Oesch
Institut für interaktive Technologien
Fachhochschule Nordwestschweiz
Bahnhofstrasse 6
jonas.oesch@fhnw.ch
Michael Hauser, michael.hauser@students.fhnw.ch
Jonathan Ehrengruber, jonathan.ehrengruber@students.fhnw.ch
Prof. Dr. Martin Melchior
Institut für Data Science
martin.melchior@fhnw.ch
Jonas Oesch
Institut für interaktive Technologien
jonas.oesch@fhnw.ch
