Details

Тема выпускной квалификационной работы: «Автоматический поиск цитирований научных публикаций в наукометрических базах данных, не привязанных к библиографическому описанию цитируемой работы». Данная работа посвящена созданию сервиса поиска в списках литературы научных статей потерянных цитирований заданной публикации. Задачи, которые решались в ходе исследования: – описание цели проекта, его задач, конечного продукта, и проблемы, которую она решает; – разработка и эффективного алгоритма поиска потерянных цитирований, превосходящего «ручной» способ поиска потерянных цитирований. Разработка проводилась на Python. В рамках достижения сформулированной цели были решены задачи, а именно: описана цель программы, его задачи, конечный продукт, и проблему, которую она решает; разработан быстрый и эффективный алгоритм поиска потерянных цитирований, превосходящего «ручной» способ поиска потерянных цитирований; реализован сервис в виде сайта и расширения для браузера. Разработанная программа может быть доработана в будущем с помощью машинного обучения и нейросетей. Следовательно, потенциальное применение машинного обучения и нейросетей в разработанной программе может существенно улучшить ее функциональность, эффективность и точность анализа цитирований.

The topic of the final qualifying work: «Automatic search for citations of scientific publications in scientometric databases that are not linked to the bibliographic description of the cited work». This work is devoted to the creation of a search service in the literature lists of scientific articles for lost citations of a given publication. The tasks that were solved during the research: – description of the purpose of the project, its tasks, the final product, and the problem that it solves; – development and effective algorithm for searching for lost citations, superior to the «manual» method of searching for lost citations. The development was carried out without Phyton. Within the framework of achieving the formulated goal, tasks were solved, namely: the purpose of the program, its tasks, the final product, and the problem it solves were described; a fast and effective algorithm for searching for lost citations was developed, surpassing the «manual» method of searching for lost citations; the service was implemented in the form of a website and a browser extension. The developed program can be improved in the future with the help of machine learning and neural networks. Therefore, the potential application of machine learning and neural networks in the developed program can significantly improve its functionality, efficiency and accuracy of citation analysis.