KR20180127840A

KR20180127840A - 논문 평가 방법 및 전문가 추천 방법

Info

Publication number: KR20180127840A
Application number: KR1020170063107A
Authority: KR
Inventors: 이서희; 임종태; 복경수; 유재수
Original assignee: 주식회사 제오시스
Priority date: 2017-05-22
Filing date: 2017-05-22
Publication date: 2018-11-30
Also published as: KR101955244B1

Abstract

검색 서비스를 제공하는 방법에 연관되며, 보다 특정하게는 학술 전문가에 대한 검색 서비스를 제공하는 방법에 연관된다. 일실시예에 따라, 논문 평가 방법은 논문 정보로부터 키워드를 추출하는 단계, 논문이 발행된 연도에 출판된 전체 논문 수를 추출하는 단계, 전체 논문 중에서 키워드를 포함하는 논문 수를 추출하는 단계 및 전체 논문 수와 키워드를 포함하는 논문 수를 이용하여, 키워드의 희소성을 계산하는 단계를 포함할 수 있다.

Description

논문 평가 방법 및 전문가 추천 방법{METHOD OF EVALUATING PAPER AND METHOD OF RECOMMENDING EXPERT}

검색 서비스를 제공하는 방법에 연관되며, 보다 특정하게는 학술 전문가에 대한 검색 서비스를 제공하는 방법에 연관된다.

사용자는 학술 검색 사이트에서 제공하는 학술 검색 서비스를 이용하여 기존의 연구 결과물을 활용한다. 특정 학술 분야의 전문가에 대한 정보를 검색하기 위하여 학술 검색 사이트를 이용하기도 한다. 그러나 학술 검색 사이트는 전문가에 대한 정보를 연구 분야별로 분류하여 제공하지 않으며, 해당 전문가의 신뢰할만한 대표적인 연구 결과물을 찾기 위해서는 사용자가 직접 논문을 검색하고, 검색된 논문들을 읽고 판단해야 한다.

일측에 따르면 컴퓨터 구현되는 논문 평가 방법이 제공된다. 방법은 논문 정보로부터 키워드를 추출하는 단계, 미리 지정된 검색 범위에서 상기 논문이 발행된 연도에 출판된 전체 논문 수를 추출하는 단계, 전체 논문 중에서 키워드를 포함하는 연관 논문 수를 추출하는 단계, 및 상기 전체 논문 수에 대한 상기 연관 논문 수의 비율을 이용하여, 상기 논문의 희소성을 계산하는 단계를 포함할 수 있다. 다른 일실시예에 따르면 상기 키워드의 희소성을 계산하고 이를 통해 상기 논문의 희소성을 결정할 수도 있다.

일실시예에 따라 상기 논문의 희소성을 계산하는 단계는, 상기 전체 논문 수를 상기 연관 논문 수로 나누어, 로그를 취하는 단계일 수 있다.

다른 일측에 따르면, 컴퓨터 구현되는 전문가 추천 방법이 제공된다. 방법은, 색인어를 입력받는 단계, 색인어와 관련된 대상 분야를 결정하는 단계, 대상 분야에 관한 논문을 저술한 저자 중에서, 기 정해진 논문 평가 방법에 따라 산출되는 논문 점수에 따라 전문가 지수를 도출하는 단계 및 전문가 지수에 따라 전문가 순위를 랭크하여, 순위가 높을수록 대상 분야의 전문가로 우선 추천하는 단계를 포함할 수 있다.

또 다른 일실시예에 따라 대상 분야를 결정하는 단계는, 대상 분야에 관한 복수개의 유사 키워드를 유사 키워드를 총칭하는 대표 키워드에 대응시키는 온톨로지를 구성하고, 온톨로지에서 색인어를 대표 키워드에 대응시켜, 대상 분야를 추출할 수 있다.

또 다른 일실시예에 따라 전문가 지수는 대상 분야의 희소성, 저술한 논문에 대한 기여도, 저술한 논문의 인용수, 저술한 논문의 영향력 및 저술한 논문의 최신성으로부터 결정될 수 있다.

또 다른 일실시예에 따라 대상 분야의 희소성을 결정하는 방법은, 논문 정보로부터 키워드를 추출하는 단계, 논문이 발행된 연도에 출판된 전체 논문 수를 추출하는 단계, 전체 논문 중에서 키워드를 포함하는 논문 수를 추출하는 단계 및 전체 논문 수와 키워드를 포함하는 논문 수를 이용하여, 키워드의 희소성을 계산하는 단계를 포함할 수 있다.

또 다른 일실시예에 따라 기여도를 결정하는 방법은, 대상 논문의 제1 저자인 경우 가중치를 최대로 부여하고, 제1 저자가 아닌 경우 공동 저자 인원 수가 많을 수록 가중치를 적게 부여하여, 기여도를 결정할 수 있다.

또 다른 일실시예에 따라 영향력을 결정하는 방법은, 학술지에 실린 복수개의 논문에 대한 영향력 지수 중에서 최대 영향력 지수를 추출하고, 학술지에 실린 저술한 논문의 영향력 지수를 최대 영향력 지수로 나누어 영향력을 결정할 수 있다.

또 다른 일실시예에 따라 최신성을 결정하는 방법은, 최근에 출판된 논문일수록 가중치를 높게 부여할 수 있다.

또 다른 일실시예에 따라 전문가 지수는 대상 분야의 희소성, 저술한 논문에 대한 기여도, 저술한 논문의 인용수, 저술한 논문의 영향력 및 저술한 논문의 최신성을 각각 가중치를 달리하여 합산한 결과로부터 결정될 수 있다.

도 1은 일실시예에 따라 논문의 중요성을 판별하는 구성을 도시한다.
도 2는 일실시예에 따라 논문의 중요성 및 논문의 품질을 고려하여 논문 점수를 계산하는 구성을 도시한다.
도 3은 일실시예에 따라 논문의 중요성 및 품질을 고려하여, 학술 전문가를 추천하는 방법을 도시한 도면이다.
도 4는 일실시예에 따라 학술 분야 별로, 전문가 지수(ES)를 계산하는 과정을 도시한 도면이다.
도 5는 일실시예에 따라 사용자의 검색에 대응하여 학술 전문가를 추천하는 검색 처리 과정을 도시한 도면이다.

이하에서, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 권리범위는 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.

아래 설명에서 사용되는 용어는, 연관되는 기술 분야에서 일반적이고 보편적인 것으로 선택되었으나, 기술의 발달 및/또는 변화, 관례, 기술자의 선호 등에 따라 다른 용어가 있을 수 있다. 따라서, 아래 설명에서 사용되는 용어는 기술적 사상을 한정하는 것으로 이해되어서는 안 되며, 실시예들을 설명하기 위한 예시적 용어로 이해되어야 한다.

또한 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 설명 부분에서 상세한 그 의미를 기재할 것이다. 따라서 아래 설명에서 사용되는 용어는 단순한 용어의 명칭이 아닌 그 용어가 가지는 의미와 명세서 전반에 걸친 내용을 토대로 이해되어야 한다.

사용자가 기존의 학술 검색 사이트를 활용하여, 학술 전문가에 대한 정보를 얻고자 하는 경우, 사용자의 질의에 해당하는 논문의 검색 결과만 제공하기 때문에, 사용자가 직접 검색된 논문을 읽고 판단해야 하는 노력이 필요하다.

사용자들에게 필요한 대표적인 연구 결과물 혹은 해당 학술 분야에서 조언을 제공해줄 수 있는 전문가에 대한 검색이 이루어지도록 하는 전문가 검색 서비스에 대해 아래에서 설명하고자 한다. 전문가 검색 서비스는 대용량 학술 정보를 이용할 수 있다.

보다 구체적으로, 출판되는 논문의 중요성 및 논문의 품질을 고려하여 해당 논문이 출판되는 학술 분야의 전문가를 추천하는 방법에 대해 설명하고자 한다. 논문의 중요성 및 논문의 품질에 따라 논문 점수를 결정하고, 해당 논문 점수를 활용하여 전문가 지수를 도출할 수 있다. 이 전문가 지수를 반영하여 사용자가 검색하는 학술 분야의 전문가를 추천할 수 있다.

도 1은 일실시예에 따라 논문의 중요성을 판별하는 구성을 도시한다.

도 1에 따르면, 논문의 중요성(100)은 논문의 희소성(110) 및 논문의 저자관계(120)를 고려하여 판단할 수 있다. 논문의 희소성은 해당 논문의 학술 분야가 연구가 활발히 이루어지는 분야인지, 연구가 활발히 진행되었으나 최근 들어 연구가 활발히 진행되지 않게 된 분야인지에 대해서 판단할 수 있도록 한다. 해당 연도에 해당 학술 분야의 연구가 얼마나 활발히 이루어지는 지를 나타낼 수 있는 지표는 해당 연도에 출판된 논문 수와 관련될 수 있다. 이 논문 수를 이용하여 논문의 희소성에 대해서 판단할 수 있다. 혹은 논문의 희소성은 연구가 활발히 진행되는 분야라고 하더라도, 논문 한편이 출판되는 데에 많은 노력과 시간이 필요하여 다른 학술 분야에 비해 상대적으로 출판되는 논문 수가 적을 수 있는 변수에 대해서도 반영할 수 있다.

수학식 1은 해당 분야의 논문을 대표하는 키워드의 키워드 희소성(110)을 계산하는 식이다. 첨자 i는 논문을 나타내고(i = 1,2,3 ...) 첨자 yi는 논문 i의 출판 연도를 나타낸다. 키워드의 희소성은 해당 연도에서 그 키워드를 갖는 논문의 희소성으로 이해될 수도 있다. 논문이 발행된 yi 연도의 총 논문 수와, yi 연도에 출판된 논문 중에서 해당 키워드를 가지고 있는 논문 수를 이용하여 계산할 수 있다. KSi는 키워드의 희소성을 의미하며, yi 연도에 출판된 전체 논문 수를, 해당 키워드를 가지고 있는 논문 수로 나누어준 후 로그를 취해주는 방법을 KSi를 구하는 방법 중에 하나로 적용할 수 있다.

수학식 2는 해당 논문에 대한 특정 전문가의 기여도를 판단하기 위하여 저자 관계(120)를 고려하는 식이다. 저자 관계를 고려하지 않는 경우, 주저자가 아닌 공저자로 논문을 많이 게재한 경우에도 주저자로 논문을 저술한 경우와 동일하게 평가되어 논문을 많이 게재하기만 하여도 높은 전문가 점수를 받을 수 있는 오류가 발생할 수 있다. 따라서 주저자와 공저자를 구분하여 논문에 대한 기여도를 달리 평가하는 방법을 적용할 수 있다. 논문에 대해 기여를 많이 하고, 상대적으로 영향력이 큰 저자에 대해 높은 점수를 부여할 수 있다. 수학식 2에서 i는 해당 논문을 의미하고 n은 해당 전문가가 해당 분야에서 저술한 총 논문 수를 나타내며, Author i는 i 논문에서 해당 전문가의 기여도를 점수로 나타낸 것이며, AS i는 저자 관계(120)를 점수화하여, 최종적으로 계산되는 논문 점수에 반영되도록 하는 항목을 의미한다.

예를 들어, 저자수가 1인인 경우, 주저자에게 100%의 점수를 부여할 수 있다. 저자수가 2인 이상인 경우, 2인 공동으로 작성 시 70%의 점수, 3인 공동으로 작성 시 50%의 점수, 4인 이상 작성 시 30%를 부여하고, 저자가 2인 이상인 경우 주저자에게 20% 의 가중치를 부여할 수 있다. 100%의 점수가 1점이라고 할 때, Author i는 1일 수 있다.

위에서 설명한 계산 방법들은 논문의 희소성 및 논문의 저자 관계를 고려하는 방법의 일실시예에 해당하며, 이를 계산하는 방법은 위에서 설명한 방법들에 한정되지 않는다. 이러한 방법을 적용하여, 논문의 희소성(110) 및 논문의 저자 관계(120)를 고려하여 논문의 중요성(100)을 판별하고, 최종적으로 계산되는 논문 점수에 반영할 수 있다.

도 2는 일실시예에 따라 논문의 중요성 및 논문의 품질을 고려하여 논문 점수를 계산하는 구성을 도시한다.

도 2에 따르면, 논문 점수를 계산하는 방법(200)은 논문의 중요성(210) 및 논문의 품질(220)을 고려하여 계산할 수 있다. 도 1에서 설명한 바와 같이, 논문의 희소성(230) 및 논문 저자 관계(240)를 고려하여 논문의 중요성(210)을 판별할 수 있으며, 논문의 품질(220)은 해당 논문의 인용수(250), IF(260) 및 최신성(270)을 고려하여 판별할 수 있다.

논문의 인용수가 높을수록 논문의 품질 및 영향력이 높다고 볼 수 있으며, 논문은 비교적 과거에 출판된 논문이 상대적으로 최근에 출판된 논문보다 인용수가 더 높을 가능성이 있기 때문에, 논문이 출판된 시기를 반영하는 최신성을 고려하여 논문의 품질을 고려할 수 있다. 또한, 논문이 게재된 학회의 평판을 고려하기 위하여 IF 지수를 논문 품질 평가에 반영할 수 있다.

수학식 3은 논문의 인용수를 계산하는 식이다. 인용수는 다양한 데이터 베이스에서 수집될 수 있다. 수학식 3에서 i는 해당 논문을 나타낸다. 논문 품질 평가에 반영되는 인용수는 2를 더해주고 로그를 취한 값으로 변형되어 반영될 수 있다. 변형되는 형태는 이와 같은 식으로 한정되지는 않는다.

수학식 4는 논문이 게재된 학술지에서 해당 논문의 평판을 고려하여 논문 품질 평가에 반영하기 위한 식이다. IF는 학술지인용색인으로부터 영향력 지수를 수집하여 이용할 수 있다. 예를 들어, KCI 영향력지수 등이 고려될 수 있다. KCI 영향력 지수는 특정 기간동안 한 학술지에 수록된 하나의 논문이 다른 논문에 인용된 평균 횟수로 동일 분야 학술지 저널에서 해당 논문의 상대적 중요성을 비교 평가하는 방법이다. 수집한 IF를 0에서 1사이로 정규화하기 위하여 수학식 4와 같이 IF의 최대값인 IFmax로 나눠줄 수 있다.

수학식 5는 논문의 최신성을 계산하는 식이다. 상대적으로 최근에 출판되는 논문들의 품질 평가에는, 과거 출판되었던 논문 품질 평가보다 인용수 등이 낮게 평가될 수 있는 점을 고려하여, 상대적으로 최근에 출판된 연도에 가중치를 부여할 수 있다. 수학식 5에서 i는 해당 논문을 나타내며 Yc는 현재 연도를 나타내고 Yi는 논문 i가 출판된 연도를 나타낸다. freshness i는 논문의 최신성을 나타낸다. 논문의 최신성은 현재 연도에서 논문 i가 출판된 연도의 값을 빼준 값에 2를 더해준 뒤 로그를 취한 값의 역수로 계산될 수 있다. 논문의 최신성을 계산하는 방법은 이와 같은 방법으로 한정되지는 않는다.

수학식 6은 논문의 품질을 판별하는 계산 식이다. Cited는 인용 수를 의미하며, IF는 학술지에서 발췌되는 영향력 지수를 의미하고, freshness는 논문의 최신성을 반영하는 지표이다. i는 해당 논문을 나타내며, QSi가 해당 논문의 판별되는 품질을 의미한다. 수학식 6에 따라 논문의 품질은 인용수에 영향력 지수를 곱하고, 그 값에 최신성 지표를 더해주어 최신성을 보완해주는 방법으로 구할 수 있다. 물론 논문의 품질 평가는 논문의 인용수, 영향력 지수 및 최신성이 고려된다면 이와 같은 방법에 한정되지는 않는다.

도 3은 일실시예에 따라 논문의 중요성 및 품질을 고려하여, 학술 전문가를 추천하는 방법을 도시한 도면이다.

논문 정보(300)에 대해 데이터를 수집(310)하고, 해당 논문의 학술 분야를 대표할 수 있는 키워드를 추출(340)할 수 있다. 키워드는 복수개의 다양한 키워드가 추출될 수 있다. 수집되는 데이터는 저장(320)되고, 저장된 논문 정보 데이터를 이용하여 논문 점수를 계산(330)할 수 있다.

논문 점수는 논문의 중요성 및 논문의 품질을 고려하여 계산될 수 있다. 논문의 중요성은 논문의 희소성 및 논문의 저자 관계를 고려하여 계산될 수 있으며, 논문의 품질은 논문의 인용수, 영향력 지수(IF) 및 최신성을 고려하여 계산될 수 있다.

해당 논문 분야와 관련되는 복수개의 키워드를 추출(340)하고, 해당 키워드들의 온톨로지를 구성(350)할 수 있다. 온톨로지는 해당 학술 분야를 대표하는 대표 키워드에, 해당 학술 분야로부터 추출되는 복수개의 유사 키워드를 포함시켜 사용자가 유사 키워드를 검색하는 경우에 대표 키워드로 인식하여 해당 학술 분야를 결정할 수 있도록 하는 역할을 수행할 수 있다.

계산되는 논문 점수(335)와 온톨로지(355)를 이용하여, 분야별로 전문가 지수를 도출(360)할 수 있다. 전문가 지수를 계산하는 방법에 대해서는 도 4에서 상세히 서술하도록 하겠다.

계산되는 전문가 지수를 이용하여 전문가들을 순위별로 랭크(370)하고, 사용자가 키워드 검색(380)시, 사용자의 질의를 분석(390)하여 관련 학술 분야를 결정하고, 해당 학술 분야의 전문가를 기 생성되는 전문가 랭킹(370)을 이용하여, 순위별로 추천(375)할 수 있다. 전문가 검색 처리 과정에 대해서는 도 5에서 상세히 서술하도록 하겠다.

추천되는 전문가의 정보에는 대표 논문, 품질 및 중요성이 높은 논문 등의 정보가 연계되어 추천될 수 있고, 해당 전문가의 다른 전문 분야에 대한 정보도 연계되어 제공될 수 있다. 뿐만 아니라, 한 사람의 전문가가 다양한 전문 학술 분야에서 활동하고 있는 경우, 전문가 정보 추천 시, 해당 전문가의 다른 학술 분야에서의 전문가 랭킹 점수도 연계되어 제공될 수 있다.

도 4는 일실시예에 따라 학술 분야 별로, 논문 점수(ES)를 계산하는 과정을 도시한 도면이다. 전문가(400)의 전문가 지수는 논문 점수를 이용하여 계산될 수 있다. 예를 들어 한 사람의 전문가(400)가 저술한 논문 1, 논문 2 및 논문 3의 3개의 논문이 있다고 할 때, 각 논문의 논문 점수는 논문의 중요성(410) 및 논문의 품질(420)을 고려하여 계산될 수 있다.

논문의 중요성을 나타내는 지수로서 키워드의 희소성(KS) 및 해당 전문가의 논문 저자 관계(AS)를 고려한다. 키워드의 희소성 및 논문 저자 관계에 대한 계산 방법은 도 1에서 상세히 서술하였다.

예를 들어, 계산된 논문 1의 KS 값은 0.98, 논문 2의 KS 값은 0.50, 논문 3의 KS 값은 0.44일 수 있다. 또한, 예를 들어 논문 1의 AS 값은 0.9, 논문 2의 AS 값은 0.5, 논문 3의 AS 값은 0.5일 수 있다.

논문의 품질을 나타내는 지수로서 해당 논문의 인용수, 논문의 IF 및 최신성을 고려한다. 논문의 인용수, IF 및 최신성에 대한 계산 방법은 도 2에서 상세히 서술하였다.

예를 들어, 계산된 논문 1의 인용수는 0.98, 논문 2의 인용수는 0.50, 논문 3의 인용수는 0.44일 수 있다. 또한, 예를 들어 논문 1의 IF 값은 0.77, 논문 2의 IF 값은 0.55, 논문 3의 IF 값은 0.11일 수 있다. 그리고 예를 들어 논문 1의 최신성 값은 0.77, 논문 2의 최신성 값은 0.45, 논문 3의 최신성 값은 0.69일 수 있다.

논문의 중요성은 KS 및 AS를 고려하여 다양한 방법으로 계산될 수 있다. 일실시예에 따라 논문 1의 중요성 점수가 1.88, 논문 2의 중요성 점수가 1.0 그리고 논문 3의 중요성 점수가 0.94로 계산될 수 있다. 또한, 논문 품질은 인용수, IF 및 최신성을 이용하여 다양한 방법으로 계산될 수 있으며, 일실시예에 따라 논문 1의 품질 점수가 2.23, 논문 2의 품질 점수가 1.3 그리고 논문 3의 품질 점수가 1.27로 계산될 수 있다.

일실시예에 따라, 논문 1(433) 및 논문 2(436)가 소셜 분야에 해당하는 논문 범주(430)이고, 논문 3이 빅데이터 분야에 해당하는 논문 범주(440)에 속한다고 하면, 논문 1(433) 및 논문 2(436)로부터 소셜 분야에서의 전문가 지수(450)를 계산할 수 있다. 또한, 논문 3(443)으로부터 빅테이터 분야에서의 전문가 지수(460)를 계산할 수 있다. 논문 1 내지 논문 3의 논문 점수로부터, 전문가(400)의 소셜 분야 및 빅데이터 분야에서의 전문가 지수를 산출할 수 있다.

수학식 7은 일실시예에 따른 전문가 지수 계산 식을 나타낸다. i는 해당 논문을 의미한다. 해당 논문의 논문 점수가 Paper i(f)로 전문가 지수에 계산에 반영될 수 있다. 일실시예에 따라 한 사람의 전문가가 특정 학술 분야에서 n개의 논문을 저술했을 때, 해당 학술 분야에서 전문가 지수는 n 개의 논문 점수의 논문 점수를 더하여 구해질 수 있다. 전문가 지수를 계산하는 방법은 이에 한정되지는 않는다.

일실시예에 따라, 전문가(400)에 대해 계산되는 전문가 지수는 소셜 분야(450)에서 6.41 그리고 빅데이터 분야(460)에서 2.21일 수 있다.

계산되는 전문가 지수를 통해 특정 학술 분야에서 전문가를 랭크하고, 사용자가 관련 학술 분야에서의 전문가 정보에 대한 검색 시에 상위에 랭크된 전문가에 대한 정보를 먼저 추천해줄 수 있다.

도 5는 일실시예에 따라 사용자의 검색에 대응하여 학술 전문가를 추천하는 검색 처리 과정(500)을 도시한 도면이다.

일실시예에 따라 전문가 1은 소셜 분야, 빅데이터 분야 및 센서 분야에서 논문을 저술하였고, 각 분야에서 저술한 논문에 대한 정보를 활용하여 논문 점수를 산출하고 이를 이용하여 계산되는 전문가 지수는 소셜 분야에서 6.41, 빅데이터 분야에서 2.21 및 센서 분야에서 1.33일 수 있다.

일실시예에 따라 전문가 2는 소셜 분야, 데이터베이스 분야 및 센서 분야에서 논문을 저술하였고, 각 분야에서 저술한 논문에 대한 정보를 활용하여 논문 점수를 산출하고 이를 이용하여 계산되는 전문가 지수는 소셜 분야에서 5.5, 데이터베이스 분야에서 3.3 및 센서 분야에서 1.2일 수 있다.

일실시예에 따라 전문가 3은 소셜 분야에서 논문을 저술하였고, 소셜 분야에서 저술한 논문에 대한 정보를 활용하여 논문 점수를 산출하고 이를 이용하여 계산되는 전문가 지수는 5.8일 수 있다.

전문가 1, 2 및 3이 공통적으로 저술한 소셜 분야에서 각 전문가의 전문가 지수를 활용하여 순위를 랭크하고, 순위에 따라 사용자에게 전문가를 추천할 수 있다. 일실시예에 따라 소셜 분야에서 전문가 1의 전문가 지수가 6.21, 전문가 2의 전문가 지수가 5.5, 전문가 3의 전문가 지수가 5.8이므로 전문가 1, 전문가 3, 전문가 2 순서로 순위가 랭크(540)될 수 있다.

이후 사용자(550)가 전문가 검색 수행 시, 사용자가 검색한 내용에서 학술 분야와 관련된 키워드를 추출(560)하고, 해당 키워드가 기 생성된 온톨로지(565)에 따라 어느 학술 분야에 해당하는 지를 결정할 수 있다. 그리고 해당 학술 분야에서 기 생성된 전문가 지수에 따른 전문가 랭킹 데이터를 활용하여 전문가에 대한 검색 결과를 제공(570)할 수 있다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims

컴퓨터 구현되는 논문 평가 방법으로서, 상기 방법은:
논문 정보로부터 키워드를 추출하는 단계;
미리 지정된 검색 범위에서 상기 논문이 발행된 연도에 출판된 전체 논문 수를 추출하는 단계;
상기 전체 논문 중에서 상기 키워드를 포함하는 연관 논문 수를 추출하는 단계; 및
상기 전체 논문 수에 대한 상기 연관 논문 수의 비율을 이용하여, 상기 논문의 희소성을 계산하는 단계
를 포함하는 방법.
제1항에 있어서,
상기 논문의 희소성을 계산하는 단계는,
상기 전체 논문 수를 상기 연관 논문 수로 나누어, 로그를 취하는 단계를 포함하는 방법.
컴퓨터 구현되는 방법으로서, 대상 분야의 전문가를 추천하는 전문가 추천 방법에 있어서,
색인어를 입력받는 단계;
상기 색인어와 관련된 상기 대상 분야를 결정하는 단계;
상기 대상 분야와 매칭되는 논문을 저술한 저자 중에서, 기 정해진 논문 평가 방법에 따라 산출되는 논문 점수에 따라 전문가 지수를 도출하는 단계; 및
상기 전문가 지수에 따라 전문가 순위를 랭크하여, 상기 순위가 높을수록 상기 대상 분야의 전문가로 우선 추천하는 단계
를 포함하는 방법.
제3항에 있어서,
상기 대상 분야를 결정하는 단계는,
상기 대상 분야에 관한 복수개의 유사 키워드를 상기 유사 키워드를 총칭하는 대표 키워드에 대응시키는 온톨로지를 구성하고,
상기 온톨로지에서 상기 색인어를 상기 대표 키워드에 대응시켜, 상기 대상 분야를 추출하는 방법.
제3항에 있어서,
상기 전문가 지수는 상기 대상 분야의 희소성, 저술한 논문에 대한 기여도, 상기 저술한 논문의 인용수, 상기 저술한 논문의 영향력 및 상기 저술한 논문의 최신성으로부터 결정되는 방법.
제5항에 있어서,
상기 대상 분야의 희소성을 결정하는 방법은,
논문 정보로부터 키워드를 추출하는 단계, 상기 논문이 발행된 연도에 출판된 전체 논문 수를 추출하는 단계, 상기 전체 논문 중에서 상기 키워드를 포함하는 논문 수를 추출하는 단계 및 상기 전체 논문 수와 상기 키워드를 포함하는 논문 수를 이용하여, 상기 키워드의 희소성을 계산하는 단계를 포함하는 방법.
제5항에 있어서,
상기 기여도를 결정하는 방법은,
대상 논문의 제1 저자인 경우 가중치를 최대로 부여하고, 제1 저자가 아닌 경우 공동 저자 인원 수가 많을 수록 가중치를 적게 부여하여, 상기 기여도를 결정하는 방법.
제5항에 있어서,
상기 영향력을 결정하는 방법은,
학술지에 실린 복수개의 논문에 대한 영향력 지수 중에서 최대 영향력 지수를 추출하고, 상기 학술지에 실린 상기 저술한 논문의 영향력 지수를 상기 최대 영향력 지수로 나누어 상기 영향력을 결정하는 방법.
제5항에 있어서,
상기 최신성을 결정하는 방법은,
최근에 출판된 논문일수록 가중치를 높게 부여하는 방법.
제5항에 있어서,
상기 전문가 지수는 상기 대상 분야의 희소성, 저술한 논문에 대한 기여도, 상기 저술한 논문의 인용수, 상기 저술한 논문의 영향력 및 상기 저술한 논문의 최신성을 각각 가중치를 달리하여 합산한 결과로부터 결정되는 방법.