アーカイブズ関連学会の論文が扱う研究分野の差異の可視化と論文投稿先予測モデルの作成

新原, 俊樹; 甲斐, 尚人; 小柏, 香穂理 他

情報知識学会誌, 2024, 34(3), 232-243

Number of Access:692（2025-10-30 01:12 Counts）

Identifier to cite or link to this item: https://hdl.handle.net/11094/98414

Link to primary information 

File Format Terms of use Size Views Date.Available Description information
Jsik2024_34_3_232 pdf None 1.57 MB 55 2024.11.12  

Item Information

Output File Export EndNote Basic Export Mendeley

Title
アーカイブズ関連学会の論文が扱う研究分野の差異の可視化と論文投稿先予測モデルの作成
Visualizing Research Area Differences in Archives-Related Academic Societies and Developing a Model to Predict the Appropriate Journal for Paper Submission
アーカイブズ　カンレン　ガッカイ　ノ　ロンブン　ガ　アツカウ　ケンキュウ　ブンヤ　ノ　サイ　ノ　カシカ　ト　ロンブン　トウコウサキ　ヨソク　モデル　ノ　サクセイ
Creator
NRID
1000080964824 1000080964824
CreatorName
新原, 俊樹 ; シンバル, トシキ ; SHIMBARU, Toshiki
NRID
1000090940148 1000090940148
ORCID
0000-0003-3540-3689 0000-0003-3540-3689
researchmap permalink
jr055 jr055
Scopus Author ID
57200498627 57200498627
CreatorName
甲斐, 尚人 ; カイ, ナオト ; KAI, Naoto
NRID
1000060379922 1000060379922
CreatorName
小柏, 香穂理 ; オガシワ, カオリ ; OGASHIWA, Kahori
CreatorName
船越, 幸夫 ; フナコシ, サチオ ; FUNAKOSHI, Sachio
Subject
対話型生成AI
ChatGPT
論文投稿先予測モデル
主成分分析
クラスター分析
Interactive Generative AI
ChatGPT
Journal Submission Prediction Model
Principal Component Analysis
Clustering Analysis
Description
新原 俊樹, 甲斐 尚人, 柏 香穂理, 船越 幸夫. アーカイブズ関連学会の論文が扱う研究分野の差異の可視化と論文投稿先予測モデルの作成, 情報知識学会誌, 論文ID 2024_004, https://doi.org/10.2964/jsik_2024_004.
Abstract
新しい研究成果の公表作業の効率化を図るため，論文投稿先の候補となる学会誌の論文タイトルから内容を推測し，各学会が注力する研究分野を特定するとともに，最適な投稿先の予測モデルを作成した．まず，ChatGPT を活用してアーカイブズに関連するA~D の4 つの学会誌に掲載された各論文のタイトルから内容を推測し，推測結果を集計して解析用データを作成した．このデータを次元削減して各論文の主成分軸上の分布を可視化し，クラスター分析によって4 つの群を抽出した．学会誌別に各群の論文の収録編数を集計すると，A,B,Dの各誌はそれぞれ一つの群の論文が突出して掲載されていたのに対し，C 学会誌は各群の論文を比較的偏りなく掲載する傾向がみられた．さらに，各論文の内容を説明変数，掲載先を目的変数とする学習データを複数の機械学習の手法で学習させ，最適な投稿先の予測モデルを作成したところ，予測精度はAUC（Area Under the Curve）にして0.88 前後の高い値が得られた．
To efficiently determine the best journal for publishing a new paper, this study developed a model that predicts the most suitable journal by inferring the content from each article's title. Initially, the study utilized ChatGPT to infer the contents from the titles of articles published in four different journals. The results were used to visualize the differences between articles, identifying four distinct clusters. It was observed that journals A, B, and D predominantly published papers from one particular cluster, whereas journal C demonstrated a more balanced approach, publishing papers from each cluster. Subsequently, the authors employed machine learning techniques to create a predictive model for identifying the optimal journal for submission. This model used the content of each paper as the explanatory variable and the choice of a journal as the dependent variable. The model achieved a high predictive accuracy with an AUC (Area Under the Curve) score of approximately 0.88.
Publisher
情報知識学会
Japan Society of Information and Knowledge
Source Title
情報知識学会誌
Volume (Issue)
34(3)
Page
232-243
Date of Issued
2024-11-09
Language
Japanese
Handle URL
https://hdl.handle.net/11094/98414
PISSN
09171436
eISSN
18817661
NCID
AN10459774
Relation.isIdenticalTo
DOI (Publisher Version)
https://doi.org/10.2964/jsik_2024_004
Access Rights
open access
CopyRight
© 2024 情報知識学会
oaire:version
Version of Record
Category
学術雑誌論文 Journal Article