Кіріспе

Ғылыми және академиялық мақалаларға арналған іздеу жүйесі және цифрлық кітапхана DISPLAYTITLE:CiteSeerX CiteSeer, Google Scholar және Microsoft Academic Search сияқты академиялық іздеу құралдарының алдағысы саналады. CiteSeer сияқты іздеу жүйелері мен мұрағаттар көбінесе тек жалпыға қолжетімді веб-сайттардан ғана құжаттарды жинақтайды және баспагерлердің веб-сайттарын шолмайды. Осы себепті, құжаттары тегін қолжетімді авторлардың индекске ену ықтималдығы жоғары. CiteSeer бір кезде ResearchIndex деп аталған, бірақ кейін қайта өзгертілді.

CiteSeer және CiteSeer.IST

CiteSeer 1997 жылы зерттеушілер Ли Джайлз, Курт Боллакер және Стив Лоуренс АҚШ-тың Нью-Джерси штатының Принстон қаласында NEC Research Institute (қазіргі NEC Labs) институтында жұмыс істеген кезде құрылды. CiteSeer-дің мақсаты – вебтегі академиялық және ғылыми құжаттарды белсенді түрде іздеу және жинау, сондай-ақ автономды цитаталық индекстеуді пайдаланып, цитаталар немесе құжаттар бойынша сұраныс жасауға мүмкіндік беру, оларды цитаталық әсеріне қарай реттеу. Бір кезде ол ResearchIndex деп аталды. CiteSeer 1998 жылы қолжетімді болды және сол кездегі академиялық іздеу жүйелерінде болмаған көптеген жаңа мүмкіндіктерге ие болды. Олардың ішінде: Автономды цитаталық индекстеу – әдебиетті іздеу және бағалау үшін қолданылатын цитаталық индексті автоматты түрде құрады. Дерекқорда келтірілген барлық мақалалар үшін цитата статистикасы және осыған байланысты құжаттар есептелді, тек индекстелген мақалалар үшін емес. Сілтемелерді байланыстыру, цитата сілтемелерін пайдаланып дерекқорды қарауға мүмкіндік береді. Цитата контексі – белгілі бір мақаладағы цитаталардың контексін көрсетеді, бұл зерттеушіге қызығушылық тудырған мақала туралы басқа зерттеушілер не ойлайтынын жылдам және оңай көруге мүмкіндік береді. Қатысты құжаттар цитаталар мен сөздерге негізделген өлшемдерді пайдаланып көрсетілді, әр құжат үшін белсенді және үнемі жаңартылатын библиография ұсынылды. CiteSeer 2001 жылдың 11 қыркүйегінде «Автономды цитаталық индекстеу және цитата контексін пайдаланып әдебиетті қарау» деген тақырыптағы #6289342 АҚШ патентын алды. Патент 1998 жылдың 20 мамырында тіркелді және 1998 жылдың 5 қаңтарына басымдық берілді. 2001 жылдың 16 мамырында жалғастыру патенты (АҚШ патенты №6738780) тіркелді және 2004 жылдың 18 мамырында мақұлданды. NEC компаниясынан кейін 2004 жылы CiteSeer ПЕНСИЛЬВАНИЯ МЕМЛЕКЕТТІК УНИВЕРСИТЕТІНІҢ Ақпараттық ғылымдар және технология колледжінде CiteSeer ретінде орналастырылды, онда 700 000-нан астам құжат болды. Жақсы қолжетімділік, өнімділік және зерттеу үшін CiteSeer-дің ұқсас нұсқалары Массачусетс технология институты, Цюрих университеті және Сингапур Ұлттық университеті сияқты университеттерде қолдау тапты. Алайда, CiteSeer-дің бұл нұсқаларын сақтау қиын болды және олар енді қолжетімді емес. CiteSeer тек вебтегі тегін қолжетімді мақалаларды индекстейді және баспагерлердің метадеректеріне қол жеткізе алмайды, сондықтан ол Google Scholar сияқты баспагерлердің метадеректері бар сайттарға қарағанда аз цитата санын көрсетеді. CiteSeer 2005 жылдан бері архитектуралық дизайнындағы шектеулерге байланысты толық жаңартылмады. Ол компьютерлік және ақпараттық ғылымдардағы зерттеу құжаттарының өкілдік үлгісін қамтиды, бірақ көпшілікке қолжетімді мақалалармен, әдетте автордың жеке бетінде немесе автор ұсынған мақалалармен шектелгендіктен, оның көлемі шектеулі болды. Осы шектеулердің кейбірін жеңу үшін CiteSeer үшін модульдік және ашық кодты архитектура жасалды – CiteSeerX.

CiteSeerX

CiteSeerX CiteSeer-ді алмастырды және барлық сұраулар CiteSeer-ге қайта бағытталды. CiteSeerX – негізінен компьютерлік және ақпараттық ғылым саласына бағытталған ғылыми және академиялық мақалаларға арналған қоғамдық іздеу жүйесі, цифрлық кітапхана және репозиторий. Оған Ұлттық ғылым қоры, NASA және Microsoft Research қаржы бөлді. CiteSeerX әлемдегі ең үздік репозиторийлердің бірі болып саналады және 2010 жылдың шілдесінде бірінші орынға ие болды. Қазіргі уақытта ол 6 миллионнан астам құжатты, 6 миллионға жуық авторды және 120 миллион сілтемені қамтиды. CiteSeerX өзінің бағдарламалық қамтамасы, деректері, деректер базасы және метадеректерін басқа зерттеушілермен бөліседі, қазіргі уақытта Amazon S3 және rsync арқылы. Оның жаңа модульдік ашық кодты архитектурасы мен бағдарламалық қамтамасы (бұрын SourceForge-та, бірақ қазір GitHub-та қолжетімді) Apache Solr және басқа Apache және ашық кодты құралдарға негізделген, бұл оған құжаттарды жинау, бағалау, индекстеу және ақпаратты алу үшін жаңа алгоритмдерді сынауға мүмкіндік береді. CiteSeerX сканерленген кейбір PDF файлдарын кэштейді. Сондықтан, әрбір бетте авторлық құқықты бұзу туралы хабарлауға арналған DMCA сілтемесі бар.

Ақпаратты автоматтандырылған түрде алу

CiteSeerX автоматтандырылған ақпараттық талдау құралдарын қолданады, көбінесе машиналық оқыту әдістеріне, мысалы, ParsCit негізделген. Олар ғылыми еңбектердің метадеректерін – атауын, авторларын, аннотациясын, сілтемелерді және т.б. анықтайды. Сондықтан, авторлар мен атауларда кейде қателіктер кездеседі. Басқа ғылыми іздеу жүйелерінде де ұқсас қателер болуы мүмкін.

Тоқтатылған жыртылу

CiteSeerX негізінен авторлық веб-беттер мен басқа ашық ресурстардан қолжетімді ғылыми еңбектерді іздейді және баспагерлердің метадеректеріне қол жеткізе алмайды. Сондықтан, CiteSeerX-тегі сілтемелер саны Google Scholar және Microsoft Academic Search-тегі баспагерлердің метадеректеріне қол жеткізімі бар деректерден көбінесе кем болады.

Қолданылуы

CiteSeerX әлем бойынша бірегей IP-адрестеріне сүйенген шамамен бір миллион пайдаланушыға ие, және күніне миллиондаған қаралымды қамтиды. 2015 жылы құжаттардың PDF нұсқаларын жүктеу саны шамамен 200 миллионды құрады.

Деректер

CiteSeerX деректері Creative Commons BY NC SA лицензиясымен әлемдік зерттеушілермен үнемі бөлісіледі және көптеген тәжірибелер мен жарыстарда қолданылып келеді. OAI PMH нүктесінің арқасында CiteSeerX ашық мұрағат болып табылады және оның мазмұны академиялық іздеу жүйелерінде, мысалы BASE және Unpaywall қолданушылары сияқты, институционалдық репозиторийлердей индекстеледі.

SeerSuite-ге негізделген басқа іздеу жүйелері

CiteSeer моделі SmealSearch арқылы бизнес саласындағы және eBizSearch арқылы электрондық бизнестегі академиялық құжаттарды қамту үшін кеңейтілді. Алайда, олардың демеушілері бұл жүйелерді қолдауды тоқтатты. Бұлардың ескі нұсқаларын бір кезде BizSeer мекенжайында табуға болар еді, бірақ қазір ол қолданыста жоқ. Химия саласы үшін ChemXSeer, ал археология саласы үшін ArchSeer сияқты басқа да іздеу және сақтау жүйелері құрылды. Сонымен қатар, роботтардың txt файлдарын іздеуге арналған BotSeer жүйесі де жасалды. Бұлардың барлығы ашық кодты SeerSuite құралы негізінде салынған, ол өз кезегінде Lucene ашық кодты индекстеушісін пайдаланады.