CiteRadar: A Citation Intelligence Platform for Researcher Profiling and Geographic Visualization

"연구자 프로파일링 및 지리적 시각화를 위한 인용 지능 플랫폼인 CiteRadar"에 대한 상세한 기술적 요약입니다.

1. 문제 제기

집계된 문헌계량 지표 (예: 총 인용 횟수, h-지수) 는 연구 영향력을 측정하는 표준이지만, 경력 개발, 연구비 지원 신청, 협력 발견에 필수적인 세분화된 질문에 답하지 못합니다. 연구자들은 다음을 알아야 합니다:

• 누가 자신의 연구를 인용하는지 (구체적인 이름, 소속 기관, 직급).
• 해당 연구자들이 전 세계적으로 어디에 위치해 있는지.
• 인용한 연구자들이 개별적으로 얼마나 영향력 있는지.

기존 솔루션은 부적절합니다:

• 상업적 플랫폼 (Web of Science, Scopus) 은 이러한 데이터를 제공하지만 비싼 기관 구독이 필요합니다.
• Google Scholar는 무료이며 널리 사용되지만, 구조화된 저자별 메타데이터나 지리적 데이터 없이 집계된 횟수만 노출합니다.
• 개방형 API(OpenAlex, CrossRef) 는 원시 데이터를 제공하지만, 통합된 자동화 도구로 구성하려면 상당한 맞춤형 엔지니어링이 필요합니다.
• 기존 오픈 소스 도구(예: CitationMap) 는 저자 구분, 구조화된 순위, 다중 소스 메타데이터 보강이 부족합니다.

2. 방법론

CiteRadar 는 단일 Google Scholar 사용자 ID 를 포괄적인 인용 지능 보고서로 변환하는 5 단계 파이프라인을 자동화하는 오픈 소스 Python 명령줄 도구입니다. 이 시스템은 Google Scholar, OpenAlex, CrossRef, Semantic Scholar, OpenStreetMap Nominatim 등 5 가지 이질적인 데이터 소스를 통합합니다.

파이프라인 단계:

1. Scholar 크롤링 및 인용 추적:
   • Google Scholar 프로필에서 전체 출판 목록을 크롤링합니다.
   • 인용 횟수가 0 보다 큰 모든 논문에 대해 "Cited by" 링크를 탐색합니다.
   • 차단 방지 전략: 실제 브라우저 지문을 사용하고, 신중한 요청 속도 조절 (2 초 지연) 및 graceful 429 오류 복구를 통해 속도 제한을 우회합니다.
2. 메타데이터 보강 (CrossRef):
   • Scholar 가 저자 목록을 잘라내는 경우 (일반적으로 5 명 초과), CiteRadar 는 제목 유사성 매칭을 통해 CrossRef API 를 쿼리하여 완전하고 구조화된 저자 목록을 검색합니다.
3. 다중 소스 저자 프로파일링:
   • 우선순위 캐스케이드를 통해 전체 저자 메타데이터 (이름, 소속 기관, 국가, 도시) 를 해결합니다:
     1. OpenAlex(주요): 영구 저자 ID 및 기관 데이터를 제공합니다.
     2. Semantic Scholar(보조): 이름/소속 기관에 대한 백업.
     3. CrossRef(3 차): 구조화된 이름에 대한 백업.
   • URL 수정: OpenAlex 기관 웹 URL 대신 API 엔드포인트를 가져오는 치명적인 버그를 수정하여, 도시 수준 데이터 가용성을 0% 에서 약 60% 로 높였습니다.
4. 저자 구분 및 순위 매기기:
   • "동일 이름" 엔티티 병합 (문헌계량에서 흔한 실패) 을 방지하기 위해 2 단계 구분 알고리즘을 구현합니다.
   • 1 단계: 3 단계에서 기록된 논문 수준 기관과 후보 저자의 기관을 불용어 필터링된 문자열 유사성을 사용하여 검증합니다.
   • 2 단계: OpenAlex ID 가 없는 경우, 이름으로 검색하고 이름 유사성 및 기관 일치에 기반하여 후보를 필터링합니다.
   • 순위 매기기: 인용 빈도(연구자를 인용한 논문 수) 와 h-지수(인용한 연구자의 영향력) 로 두 개의 순위 표를 생성합니다.
5. 요약 및 시각화:
   • 고유 연구자, 국가, 기관에 대한 일반 텍스트 통계 요약을 생성합니다.
   • Folium 라이브러리를 사용하여 자체 포함형 대화형 HTML 세계 지도를 생성합니다.
   • 지오코딩: OpenStreetMap Nominatim 을 사용하여 도시/국가 쌍을 좌표로 변환합니다.
   • 시각화: 큰 도시가 작은 도시를 가리지 않도록 연구자 밀도를 나타내기 위해 로그 스케일 원형 마커를 사용합니다.

3. 주요 기술적 기여

이 논문은 4 가지 구체적인 기술적 과제를 식별하고 해결합니다:

1. 유니코드 비분리 공백 파서: Google Scholar 의 HTML 은 구분자 주변에 표준 공백 대신 U+00A0(비분리 공백) 을 사용합니다. CiteRadar 는 명시적인 유니코드 정규화를 구현하여 venue 및 연도 필드를 올바르게 파싱하며, 그렇지 않으면 단순 파서에서 빈 값으로 남습니다.
2. 불용어 필터링된 기관 유사성: 저자 구분을 해결하기 위해, 시스템은 문자열 유사성을 계산하기 전에 "University", "of", "Lab"과 같은 일반적인 기관 불용어를 필터링합니다. 이는 서로 다른 기관 간의 잘못된 일치 (예: "Texas Tech University" 대 "University of Texas") 를 방지하고 h-지수 귀속 오류를 최대 9 배까지 줄입니다.
3. OpenAlex API URL 변환: 저자들은 기관 데이터를 웹 URL 을 통해 가져오면 JSON 대신 HTML 이 반환된다는 사실을 발견했습니다. 그들은 경로 변환(/openalex.org/ $\to$ /api.openalex.org/institutions/) 을 설계하여 도시 수준 데이터를 가진 저자의 비율을 0% 에서 약 60% 로 높였습니다.
4. 로그arithmic 지도 스케일링: 대화형 지도는 마커 반경에 대한 로그 스케일링 함수 ($r(n) = \max(7, 7 + 10 \log_2(n+1))$) 와 지각적으로 순서가 정해진 색상 팔레트를 사용하여 시각적 혼란 없이 인용 밀도를 효과적으로 시각화합니다.

4. 결과 및 사례 연구

저자들은 HPC 및 AI 시스템 연구를 위한 자신의 Google Scholar 프로필을 프로파일링하여 CiteRadar 를 검증했습니다.

• 규모: 파이프라인은 11 개 국가와 31 개 기관에 걸친 134 명의 고유 인용 연구자를 처리했습니다.
• 지리적 통찰: 미국 (64%) 에서 지배적인 클러스터와 한국 (9%), 특히 서강대학교에서 중요한 독립 클러스터를 식별했습니다.
• 구분 성공: 시스템은 유사한 이름을 가진 연구자 간에 성공적으로 구분하여, 허위 항목 (예: 저자로 오인된 회의 이름) 을 필터링하고 h-지수를 올바르게 귀속했습니다.
• 실행 가능한 발견:
  • Oak Ridge 국립 연구소의 20 명의 연구자가 저자의 방법론을 채택했음을 밝혀냈습니다 (DOE 연구비 제안에 유용).
  • 해당 연구를 인용한 고위 연구자 (h-지수 $\ge$ 50) 를 식별하여 tenure/승진 사례에 대한 정성적 증거를 제공했습니다.
  • 학제 간 영향력을 발견했습니다 (VLSI 설계 연구자들이 인용한 LLM 벤치마크 논문).

5. 의의

CiteRadar 는 원시 인용 데이터와 개별 연구자를 위한 실행 가능한 지능 사이의 간극을 메웁니다.

• 접근성: 고가의 구독을 가진 기관에만 국한되었던 고급 문헌계량 지능에 대한 접근을 민주화합니다.
• 세분화: "얼마나 많은" 인용을 넘어 "누가" 그리고 "어디에" 있는지까지 나아가, 표적화된 협력과 전략적 경력 계획을 가능하게 합니다.
• 재현성: 단일 pip install 패키지로써, 인용 분석을 위한 투명하고 재현 가능한 워크플로우를 제공합니다.
• 견고성: 주요 데이터 소스의 특정 파싱 특이점과 API 제한 사항을 해결함으로써, 오픈 소스 문헌계량 도구의 신뢰성에 대한 새로운 기준을 설정합니다.

가용성: 이 도구는 오픈 소스 (MIT 라이선스) 이며 https://github.com/chenxuniu/citeradar에서 이용 가능합니다.