Методы, модели и алгоритмы анализа сетей цитирования научных публикаций с использованием интернет-технологий тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Ольгина Инна Геннадьевна

• Ольгина Инна Геннадьевна
• кандидат наук
• 2025

Оглавление диссертации кандидат наук Ольгина Инна Геннадьевна

ВВЕДЕНИЕ

Глава I. МЕТОДЫ И ИНСТРУМЕНТЫ АНАЛИЗА НАУЧНЫХ ПУБЛИКАЦИЙ

1.1. Основные обозначения и соглашения

1.2. Показатели результативности и эффективности исследователей и научных коллективов

1.3. Анализ существующих подходов к решению задач на основе исследования сетей цитирования публикаций

1.4. Программное обеспечение для визуализации и анализа сетей

1.5. Выводы по первой главе

Глава II. МОДЕЛИРОВАНИЕ СЕТИ ЦИТИРОВАНИЯ НАУЧНЫХ ПУБЛИКАЦИЙ

2.1. Модель сети цитирования

2.2. Определение и описание мер центральности узлов сети

2.3. Определение критериев оценки узлов сети цитирования публикаций

2.4. Формализация задачи определения важных узлов сети

2.5. Математическая модель определения степени важности узла сети цитирования

2.6. Формирование профиля исследования

2.7. Постановка задачи нахождения наиболее важных научных публикаций

2.8. Выводы по второй главе

Глава III. ПРОГРАММНЫЕ СРЕДСТВА СБОРА, ОБРАБОТКИ И АНАЛИЗА СЕТЕЙ ЦИТИРОВАНИЯ НАУЧНЫХ ПУБЛИКАЦИЙ

3.1. Обоснование выбора программных средств для разработки комплекса программ анализа научных публикаций

3.2. Этапы проектирования и архитектура системы анализа источников информации в сетях цитирования

3.3. Построение графовых моделей сети цитирования научных публикаций

3.4. Разработка генератора для сбора и анализа информации о цитировании научных публикаций

3.4.1. Сбор данных о цитировании

3.4.2. Апробация работы программы по сбору данных о цитировании

3.5. Разработка приложения для анализа научных публикаций

3.6. Разработка приложения для просмотра и визуального анализа графов сетей цитирования

3.7. Выводы по третьей главе

Глава IV. ПРИМЕНЕНИЕ МЕТОДОВ СЕТЕВОГО АНАЛИЗА ДЛЯ ОПРЕДЕЛЕНИЯ НАИБОЛЕЕ ВАЖНЫХ НАУЧНЫХ ПУБЛИКАЦИЙ

4.1 . Метод ранжирования научных публикаций по степени важности

4.1.1. Сбор исходных данных и вычисление показателя C(v)

4.1.2. Выбор и формирование профиля исследования

4.1.3. Алгоритм ранжирования научных публикаций по степени важности

4.1.4. Отбор научных журналов для комплектования библиотечного фонда на основе списка «наиболее важных» статей

4.2. Результаты проведенных исследований

4.2.1. Исследование фрагмента сети цитирования БД RePEc

4.2.2. Исследование фрагмента сети цитирования eLIBRARY.RU

4.2.3. Исследование фрагмента сети цитирования международной базы цитирования Scopus

4.3. Сравнение ранжирования научных публикаций по степени важности и Field-Weighted Citation Impact

4.3.1. Расчет коэффициента ранговой корреляции методом Спирмена для анализа результатов эксперимента

4.3.2. Расчет коэффициента ранговой корреляции методом Стьюдента для анализа результатов эксперимента

4.4. Сравнение ранжирования по профилям исследования

4.5. Сравнительный анализ метода сетевого анализа научных публикаций и метода анализа иерархий при выборе источников информации

4.5.1. Сравнение результатов применения метода анализа иерархий и метода ранжирования научных публикаций на основе анализа сетей цитирования

4.6. Выводы по четвертой главе

Заключение

Список сокращений и условных обозначений

Список использованных источников

ПРИЛОЖЕНИЕ А

ПРИЛОЖЕНА Б

ПРИЛОЖЕНИЕ В. МЕТОДИКА РАБОТЫ ГЕНЕРАТОРА СПИСКА ИСТОЧНИКОВ ИНФОРМАЦИИ В СЕТЯХ ЦИТИРОВАНИЯ

ПРИЛОЖЕНИЕ Г

Введение диссертации (часть автореферата) на тему «Методы, модели и алгоритмы анализа сетей цитирования научных публикаций с использованием интернет-технологий»

ВВЕДЕНИЕ

Актуальность темы исследования. Как известно, поиск источников информации для проведения научного исследования, их обработка и использование являются одними из ключевых этапов научной работы. С увеличением количества информации, представляемой в виде научных публикаций, появляется необходимость анализа разнообразных показателей уровня этих источников, включая их информативность, авторитетность в научной среде, оценку количества ссылок на них и т. д. На сегодняшний день создано множество международных и российских баз данных научных изданий: Web of Science, Scopus, Astrophysics Data System, PubMed, MathSciNet, zbMATH, Chemical Abstracts, Springer, GeoRef, eLIBRARY, КиберЛенинка, Библиотека РФФИ, PsyJournals и др. Каждая из них содержит миллионы научных публикаций из самых разных областей науки [102]. Согласно статистическим данным OpenDOAR (https://v2.sherpa.ac.uk/opendoar/) -

глобального каталога репозиториев с ресурсами открытого доступа, в мире насчи-

1 2 тывается 5936 открытых архивных систем; в 2022 г. их число составляло 5804 , в

2021 г. - 5575 . О возрастающем количестве репозиториев свидетельствуют данные крупнейших каталогов и агрегаторов научной информации, таких как ScienceOpen (https://www.scienceopen.com/), CORE (https://core.ac.uk/), DOAJ (https://doaj.org/), «КиберЛенинка» (https://cyberleninka.ru/). Отбор научных трудов осуществляется в соответствии с реализованными поисковыми функциями конкретной базы данных (БД). Существуют БД в виде поисковых систем. Например, Google Scholar - база данных, через которую можно найти все, что опубликовано на данный момент в авторитетных журналах. В монографии Н.С. Редькиной [1] проанализированы ключевые аспекты развития информационной экосистемы открытой науки, осуществлено исследование мирового рынка электронных архивов и репозиториев.

1 Данные представлены по состоянию на август 2023 г.

2 Данные представлены по состоянию на декабрь 2022 г. Данные представлены по состоянию на декабрь 2021 г.

Имеющиеся сервисы для подбора научных публикаций ориентируются на общепризнанные в мире наукометрические показатели: импакт-фактор, индекс Хирша, индекс цитирования и др. Они помогают оценить эффективность научной деятельности их авторов в соответствии с различными количественными показателями, основанными, как правило, на числе ссылок на публикацию в конкретной БД. Но этого недостаточно для качественной оценки публикации. Следует отметить, что, ориентируясь только на названные показатели, можно упустить из виду новейшие публикации, которые, естественно, еще не успели получить цитирований. К тому же «статья может хорошо цитироваться потому, что она ошибочна» [2]. При поиске важных статей, представляющих результаты оригинальных исследований, или реферативных статей, содержащих хорошие обзоры литературы исследуемой области знаний, недостаточно учитывать только эти показатели.

Из перечисленных выше затруднений, с которыми можно столкнуться при качественном анализе научных публикаций, следует необходимость поиска принципиально нового подхода к выявлению наиболее важных публикаций по требуемой тематике.

С появлением науки о сетях - Network Science - появилась возможность исследовать сложные сетевые системы (в том числе социальные и информационные сети) посредством представления их в виде графовых моделей [3, 4]. Рост в геометрической прогрессии общего объема публикаций обуславливает актуальность задач анализа взаимосвязей научных публикаций. В науке о сетях для решения этих задач разрабатываются модели и методы, относящиеся к сфере так называемых сетей цитирования [5]. Узлами сетей цитирования являются научные публикации, а связь, направленная от узла А к узлу Б, показывает, что публикация А ссылается на публикацию Б (цитирует её). Распространенной математической моделью сетей цитирования являются простые ориентированные графы. Широкое применение получил метод сетевого анализа [6]. За последние десятилетия возрос интерес к науке о сетях, что, естественно, повлекло за собой закономерное развитие всевозможных инструментов для проведения исследований в данной области [103].

Существует различное программное обеспечение для визуализации и исследования сетей. Такие инструменты широко применяются для исследования социальных сетей, в частности, сетей цитирования. Возможно построение сетей цитирования патентов [6], ключевых слов [7, 99], научных публикаций [8, 101], сетей авторского цитирования [9], сетей по совместному цитированию и соавторству [10, 11, 98]. Для анализа таких сетей разработано большое количество показателей (меры центральности), характеризующих значимость каждого узла в разных аспектах [12]. Исследование мер центральности представляет действительно большой интерес в исследованиях социальных сетей и сетей цитирования. По этой теме выходит достаточно много публикаций. В статье [13] осуществлен обзор исследовательских работ по показателям центральности в социальных сетях. Однако оценить важность научных публикаций с учетом многоаспектного сетевого анализа не представляется возможным по причине отсутствия соответствующих инструментов.

Вариант комбинирования методов для достижения лучшей производительности и получения более точных показателей по сравнению с традиционными методами был продемонстрирован Lu Z., Ma Y., Song L. (2021) в работе [2]. Авторы объединили классический анализ основного пути (main path analysis) с алгоритмом PageRank и протестировали этот новый комбинированный метод на доступных данных о патентах. Стоит отметить, что анализ сети цитирования патентов является одним из наиболее важных методов измерения патентов, их интеллектуального анализа и идентификации содержания.

При решении конкретных задач, связанных с цитированием, требуется выявить критерии, значимые для решаемой задачи и учитывающие в совокупности несколько показателей важности узлов. Это определяет постановку и решение актуальной задачи создания моделей, методов и алгоритмов анализа сетей цитирования, повышающих эффективность решения конкретных прикладных задач поиска, обработки и анализа источников научной информации.

В диссертации предложен новый подход к решению задачи качественного анализа научных публикаций, позволяющий учесть несколько аспектов важности

публикаций и осуществить их ранжирование по убыванию приоритета. В основу предложенного подхода положен метод анализа сетей цитирования научных публикаций.

Степень разработанности темы исследования. Среди зарубежных ученых, занимающихся изучением социальных сетей, следует выделить следующих авторов: Newman M.E.J. (профессор физики университета Мичигана. Известен своим фундаментальным вкладом в области сложных сетей и сложных систем, за которые он был удостоен премии Лагранжа 2014 года (см., например, [120-127])); Wasserman S. и Faust K. (написали фундаментальную книгу по методологии анализа социальных сетей "Social Network Analysis" [128] (1994); Freeman L. (Калифорнийский университет. Автор 17 книг и более 100 статей по анализу социальных сетей, см., например, [129-130]); White H. (профессор социологии, Колумбийский университет (см., например, [131-132])); Wellman B. (профессор социологии, университет Торонто. Возглавлял профессиональную ассоциацию исследователей социальных сетей - International Network for Social Network Analysis, (см., например, [133-135])); Granovetter M. (профессор Стэнфордского университета. Автор наиболее цитируемого исследования социальных сетей "The Strength of Weak Ties" (1973) [136]).

Значительные достижения в определении мер центральности узлов сети принадлежат следующим ученым: Phillip Bonacich (почетный профессор социологии, UCLA) (см. [137]); Leo Katz (американский статистик) (см. [138]); Linton Clarke Freeman (социолог, разработал первую меру центральности промежуточности) (см. [139]); Jon M. Kleinberg (американский учёный в области информатики, разработал меры, связанные с его именем: центральность по авторитетности Кляйнберга и центральность по концентрации Кляйнберга) (см. [140]) и др.

Ученые всего мира работают с сетями цитирования. Исследованием сетей цитирования научных публикаций в России занимаются сотрудники Института вычислительной математики и математической геофизики СО РАН (г. Новосибирск): Бредихин С.В., Ляпунова Н.Г., Щербакова Н.Г., Юргенсон А.Н. и др. [38, 46, 80-83]. Результаты их работы отражены в книге «Библиометрические сети

научных статей и журналов» [76]. Построением сетей цитирования и сетей соавторства, изучением их структурно-топологических особенностей занимаются Печников А.А. и Чебуков Д.Е. [47, 77].

Основные идеи наукометрии среди российских ученых разработаны в монографии Налимова В.В. и Мульченко З.М. [67]. В настоящее время вопросами развития наукометрических исследований занимаются Гуськов А.Е. [68]; Писля-ков В.В. [69, 70, 71, 72]; Маркусова В.А. [72, 73]; Акоев М.А. [74]; Москалева О.В. и др.

Целью диссертационной работы является повышение объективности оценки научных публикаций путем разработки метода сетевого анализа, позволяющего осуществить ранжирование публикаций по их важности и улучшить эффективность выбора источников информации для осуществления научно-исследовательской деятельности.

Для достижения поставленной цели были сформулированы и решены следующие задачи:

1) провести анализ существующих мер центральности узлов сетей и обосновать выбор критериев оценки узлов сети цитирования для ранжирования научных публикаций; построить математическую модель для определения степени важности узлов сети цитирования научных публикаций;

2) разработать новый метод ранжирования научных публикаций по степени важности и провести его верификацию;

3) разработать алгоритм построения графовых моделей сети цитирования научных публикаций по информации, предоставляемой библиографическими базами данных и системами цитирования;

4) на основе анализа сетей цитирования научных публикаций разработать модели и алгоритмы, обеспечивающие повышение объективности оценки и улучшение эффективности выбора источников информации в сравнении с известными методами ранжирования;

5) создать программный комплекс анализа источников информации в сетях цитирования и провести его валидацию.

Объектом диссертационного исследования являются сети цитирования. Соответственно, предметом исследования являются графовые модели сетей цитирования и методы анализа степени важности научных публикаций.

Научная новизна. В процессе проведенных исследований получены следующие новые научные результаты.

1. Для решения задач исследования сетей цитирования научных публикаций построена математическая модель определения степени важности узлов сети с учетом релевантных мер центральности узлов согласно профилю исследования, позволяющая решать названные задачи с использованием значительного количества параметров (мер центральности). Эта модель дает возможность учитывать структурно-топологические характеристики заданного фрагмента сети цитирования, качественные и зависящие от важности окружающих узлов сети. Предложенная модель впервые комбинирует отдельные меры центральности узлов сети для достижения синергетического эффекта.

2. Разработан и обоснован новый метод ранжирования научных публикаций по степени важности на основе анализа сетей цитирования, позволяющий выявить публикации, которые явно не выделяются при ранжировании на основе известных библиометрических показателей и известных мер центральности узлов. Предложены значения весовых коэффициентов, входящих в математическую модель, позволяющие сформировать профиль исследования для нахождения обобщенного показателя степени важности публикации с целью решения таких задач, как ранжирование по степени важности реферативных и эмпирических публикаций и нахождение публикаций, которые могут повлиять на развитие научного направления или возникновение нового на стыке разных наук.

3. Разработан комплекс программ для сетевого анализа и выявления наиболее важных научных публикаций на основе предложенной математической модели и метода ранжирования научных публикаций по степени важности и данных о цитировании публикаций. Комплекс программ позволяет собрать данные о сетях цитирования и выявить наиболее важные публикации в заданной предметной области или среди публикаций, выполненных в конкретных научных организациях.

Теоретическая значимость работы заключается в предложенном методе ранжирования публикаций на основе анализа сетей цитирования для решения задач анализа научных публикаций, оптимизации подбора информационных источников, а также на базе разработанных моделей и алгоритмов для ориентированных графов, моделирующих сети цитирования.

Практическая ценность. Использование предложенных методов, моделей и алгоритмов анализа научных публикаций позволяет повысить эффективность решения множества прикладных задач, в частности, появилась возможность очень быстро проводить библиографические исследования для составления списков наиболее значимых источников или формирования обзоров по какой-либо сфере научных исследований, определенной предметной области или конкретной учебной дисциплине. Использование предложенного метода ранжирования научных публикаций дает новые возможности оптимизации комплектования научных библиотек документами; подбора различных видов документов, в том числе патентов и патентных ландшафтов (объектов интеллектуальной собственности); поиска потенциальных соавторов или научных сообществ в исследуемой области знаний; наукометрии и инфометрики; управления научной и инновационной политикой.

Методология и методы исследования. Методическая и теоретическая части работы основаны на использовании методов системного анализа, теории графов, теории алгоритмов, исследования операций, математической статистики и математического моделирования, методов моделирования на ЭВМ и анализа данных. Инструментальной средой разработки программного обеспечения являлись язык программирования Python 3.8 и ряд необходимых библиотек.

Основные результаты, полученные автором и выносимые на защиту:

1. Метод ранжирования научных публикаций по степени важности на основе анализа сетей цитирования, позволяющий выявить публикации, которые явно не выделяются при ранжировании на основе известных библиометрических показателей и известных мер центральности узлов.

2. Предложенная математическая модель определения степени важности узлов сети цитирования научных публикаций в виде линейной комбинации релевантных мер центральности узлов с весовыми коэффициентами, позволяющая при соответствующем выборе этих коэффициентов обеспечить синергический эффект при решении задач ранжирования публикаций, исходя из целей исследования.

3. Комплекс инструментальных программных средств для эффективного анализа научных публикаций на основе разработанных автором алгоритма сбора данных о цитировании и математической модели определения степени важности узлов сети цитирования, реализующих новый метод сетевого анализа.

Соответствие паспорту специальности. Тематика работы соответствует следующим пунктам паспорта специальности 2.3.8 - «Информатика и информационные процессы»:

п. 7. Разработка методов обработки, группировки и аннотирования информации, в том числе, извлеченной из сети интернет, для систем поддержки принятия решений, интеллектуального поиска, анализа.

п. 9. Разработка архитектур программно-аппаратных комплексов поддержки цифровых технологий сбора, хранения и передачи информации в инфокоммуни-кационных системах, в том числе, с использованием «облачных» интернет-технологий, и оценка их эффективности.

п. 16. Автоматизированные информационные системы, ресурсы и технологии по областям применения (научные, технические, экономические, образовательные, гуманитарные сферы деятельности), форматам обрабатываемой, хранимой информации. Системы принятия групповых решений, системы проектирования объектов и процессов, экспертные системы и др.

Достоверность полученных результатов. Обоснованность и достоверность научных положений и выводов, содержащихся в диссертационной работе, подтверждаются проведенными теоретическими и экспериментальными исследованиями, а также совпадением результатов экспериментов с теоретическими оценками.

Апробация результатов исследования. Основные положения и результаты диссертационной работы были представлены на следующих научных конференциях:

- Международной научно-практической конференции «Наука, технологии и информация в библиотеках (LIBWAY-2018)» (Новосибирск, 2018);

- VI Международной научной конференции «Математическое и компьютерное моделирование» (Омск, 2018);

- I Всероссийской с международным участием научно-практической конференции «Системы управления, информационные технологии и математическое моделирование» (Омск, 2019);

- XIII International scientific and technical conference «Dynamics of Systems, Mechanisms and Machines» (Omsk, 2019);

- VII Международной научной конференции «Математическое и компьютерное моделирование» (Омск, 2019);

- II Всероссийской с международным участием научно-практической конференции «Системы управления, информационные технологии и математическое моделирование» (Омск, 2020);

- III Всероссийской с международным участием научно-практической конференции «Системы управления, информационные технологии и математическое моделирование» (Омск, 2021);

- XXVI Ежегодной конференции РБА «Библиотеки и культурное многообразие» (Нижний Новгород, 2022);

- IV Всероссийской с международным участием научно-практической конференции «Системы управления, информационные технологии и математическое моделирование» (Омск, 2022);

- VI Международной научной конференции «Информатизация образования и методика электронного обучения: цифровые технологии в образовании» (Красноярск, 2022).

- V Всероссийской с международным участием научно-практической конференции «Системы управления, информационные технологии и математическое моделирование» (Омск, 2023);

- VII Международном профессиональном форуме «Книга. Культура. Образование. Инновации» (Сочи, 2023);

- Всероссийском форуме «Университетская библиотека: так можно» (Томск, 2023);

- XXVII Международной конференции и выставки «Информационные технологии, компьютерные системы и издательская продукция для библиотек (LIBCOM)» (Суздаль, 2023).

- 22th International Conference named after A.F. Terpugov "Information technologies and mathematical modelling (ITMM - 2023)" (Томск, 2023);

- Международной научно-практической конференции «Наука, технологии и информация в библиотеках (LIBWAY-2024)» (Новосибирск, 2024);

- VIII Международном профессиональном форуме «Книга. Культура. Образование. Инновации» (Геленджик, 2024).

- XXVIII Международной конференции и выставки «Информационные технологии, компьютерные системы и издательская продукция для библиотек (LIBCOM)» (Суздаль, 2024).

- International Conference on "Marching Beyond the Libraries: Leadership, Creativity, and Innovation (ICMBL)" (Bhubaneswar, India, 2024).

Помимо докладов на конференциях результаты диссертационной работы были обсуждены на научном семинаре кафедры высшей и прикладной математики Института математики и фундаментальной информатики Сибирского федерального университета (Красноярск, 2022), научном семинаре Лаборатории системного моделирования и оптимизации Института вычислительной математики и математической геофизики СО РАН (Новосибирск, 2023) и совместном научном

семинаре «Искусственный интеллект и информационные технологии» Института вычислительной математики и математической геофизики СО РАН, Лаборатории наукометрии и научных коммуникаций Российского института экономики политики и права (РИЭПП) и кафедры вычислительных систем механико-математического факультета Новосибирского государственного университета (Новосибирск, 2025).

Публикации по теме исследования. Основные результаты диссертации опубликованы в 24 печатных работах, в том числе 9 - в журналах из Перечня рецензируемых научных изданий, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученой степени кандидата наук, на соискание ученой степени доктора наук (Перечня ВАК РФ), 2 работы опубликованы в изданиях, индексируемых в международных базах цитирования Scopus и Web of Science. Получено 3 свидетельства о регистрации программы для ЭВМ в Федеральном государственном бюджетном учреждении «Федеральный институт промышленной собственности» (ФИПС): «Программный комплекс LinkAnalyzer 1.0 для сбора и анализа информации о цитировании научных публикаций» № 2020615709 от 29.05.2020 г.; «Генератор списка источников информации в сетях цитирования» № 2021661693 от 14.07.2021 г.; «Визуализатор сетей цитирования» № 2023666387 от 31.07.2023 г.

Реализация и внедрение результатов исследования. Результаты диссертационной работы внедрены и используются в деятельности ФГАОУ ВО «ОмГТУ», г. Омск, имеется акт о внедрении.

В частности, для построения графовых моделей сети цитирования применен программный комплекс LinkAnalyzer 1.0 для сбора и анализа информации о цитировании научных публикаций, а для проведения научно-экспериментальных исследований использован Генератор списка источников информации в сетях цитирования, разработанный в ходе подготовки диссертации.

Результаты диссертационного исследования внедрены в деятельность Научной библиотеки ФГАОУ ВО «Национальный исследовательский Томский государственный университет» и используются в работе ее отдела обслуживания в ка-

честве практических рекомендаций по применению эффективных способов анализа важности источников информации с целью оптимизации комплектования фондов научных библиотек.

Компанией EOFERRA SOLUTIONS PRIVATE LIMITED (Индия) признано, что результаты диссертационной работы представляют практический интерес, вследствие чего они были использованы при разработке нового программного обеспечения для использования в Индии. Программный комплекс, вводимый там в эксплуатацию, предназначен для анализа научных публикаций и повышения эффективности процесса отбора источников информации на основе метода ранжирования публикаций по степени важности с использованием сетевых индикаторов, разработанного в диссертации. Внедряемый программный комплекс, как ожидается, облегчит качественный поиск информации и сделает процесс информационного поиска более эффективным.

Личный вклад автора. Все результаты, изложенные в диссертации и сформулированные в положениях, выносимых на защиту, получены автором лично.

Структура и объем диссертации. Диссертационная работа содержит введение, четыре главы, заключение, список сокращений, список обозначений, библиографический список из 178 наименований, четырех приложений. Основная часть работы изложена на 117 страницах, содержит 40 рисунков, 22 таблицы.

Автор выражает искреннюю признательность и благодарность научному руководителю, профессору Елизарову Александру Михайловичу за неоценимую помощь и поддержку при подготовке диссертационной работы.

Автор также выражает огромную благодарность всем тем, кто принимал участие в работе над диссертацией в разные периоды ее подготовки: профессорам Омского государственного технического университета Денисовой Людмиле Альбертовне и Задорожному Владимиру Николаевичу, кандидату технических наук Юдину Евгению Борисовичу.

Глава I. МЕТОДЫ И ИНСТРУМЕНТЫ АНАЛИЗА НАУЧНЫХ ПУБЛИКАЦИЙ

1.1. Основные обозначения и соглашения

Ниже приведен ряд известных понятий и определений, являющихся базовыми для проведенного исследования.

Наука о сетях (Network Science) (см., например, [141]) представляет собой научный подход, который использует анализ взаимосвязей для изучения и интерпретации сложных сетевых систем, включая представление их в виде графовых моделей. В процессе выявления взаимосвязей публикаций образуются сети цитирования, узлами которых являются научные публикации. Связь, направленная от узла a к узлу b, показывает, что публикация a ссылается на публикацию b (цитирует её).

Как известно (см., например, [142]), граф (ориентированный или неориентированный) - это абстрактный тип данных или математическая абстракция реальной системы любой природы, объекты которой обладают парными связями.

Вершина (см., например, [164]) - точка в графе или отдельный объект. Для топологической модели графа не имеют значения координаты вершины, её расположение, цвет, размер; однако при решении некоторых задачах вершины могут раскрашиваться в разные цвета или сохранять числовые значения.

Ребро - (см., например, [164]) неупорядоченная пара двух вершин, которые связаны друг с другом. Эти вершины называют концевыми точками или концами ребра.

Дуга - (см., например, [164]) ориентированное ребро.

Ориентированный граф или орграф (см., например, [164]) - граф, в котором все ребра являются дугами, то есть порядок двух концов ребра графа существенен.

Неориентированный граф (см., например, [164]) - граф, в котором все ребра не имеют ориентации.

Подграф (см., например, [141, 144]). Если в исходном графе выделить несколько вершин и рёбер (между выбранными вершинами), то мы получим подграф исходного графа.

Компонента связности графа О (или просто компонента графа О) (см., например, [143, 144]) - максимальный (по включению) связный подграф графа О. Другими словами, это подграф О(и), порожденный множеством Ш^У(О) вершин, в котором для любой пары вершин и, V е и в графе О существует (и, у)-цепь, и для любой пары вершин и е и и w £ и не существует (и, ^)-цепи.

Кластер (см., например, [141]) - это связная компонента графа.

Сеть (см., например, [76]) - это термин, предназначенный для обозначения реляционных данных, т. е. множества дискретных объектов, между которыми установлены бинарные отношения.

Список литературы диссертационного исследования кандидат наук Ольгина Инна Геннадьевна, 2025 год

Список использованных источников

1. Редькина, Н.С. Библиотека в информационной инфраструктуре открытой науки / Н.С. Редькина; СО РАН, Гос. публичная научно-техническая библиотека. - Новосибирск: ГПНТБ, 2022. - 228 с.

2. Свердлов, Е.Д. «Статья может хорошо цитироваться потому, что она ошибочна». Почему научную работу нельзя оценивать по ее цитированию / Е.Д. Свердлов. - Текст: электронный // Индикатор.ру: сайт. - URL: https://indicator.ru/biology/impakt-faktor.htm (дата обращения: 24.02.2021).

3. Евин, И.А. Введение в теорию сложных сетей / И.А. Евин. - DOI https://doi.org/10.20537/2076-7633-2010-2-2-121-141 // Компьютерные исследования и моделирование. - 2010. - Т. 2, № 2. - C. 121-141.

4. Юдина, М.Н. Узлы в социальных сетях: меры центральности и роль в сетевых процессах / М.Н. Юдина // Омский научный вестник. Сер.: Приборы, машины и технологии. - 2016. - № 4 (148). - С. 161-165.

5. Price, D. Networks of scientific papers: The pattern of bibliographic references indicates the nature of the scientific research front / D. Price. - DOI 10.1126/science.149.3683.510 // Science. - 1965. - Vol. 149, № 3683. - P. 510-515.

6. Lu, Z. Patent Citation Network Analysis Based on Improved Main Path Analysis: Mapping Key Technology Trajectory / Z. Lu, Y. Ma, L. Song. - DOI 10.1007/978-3-030-78618-2_13 // Advances in Artificial Intelligence and Security. ICAIS 2021. - Cham: Springer, 2021. - P. 158-171. - (Communications in Computer and Information Science; Vol. 1423).

7. A term function-aware keyword citation network method for science mapping analysis / J. Wang, Q. Cheng, W. Lu [et al.]. - DOI 10.1016/j.ipm.2023.103405 // Information Processing and Management. - 2023. - Vol. 60, No. 4. - Article number 103405.

8. Ольгина, И.Г. Построение графовых моделей сети цитирования научных публикаций / И.Г. Ольгина, И.В. Пронин, А.Н. Абдрахманов // Системы управления, информационные технологии и математическое моделирование: материалы II Всерос. науч.-практ. конф. с междунар. участием. - Омск: Изд-во ОмГТУ, 2020. - Т. 1. - С. 118-125.

9. Measuring academic influence using heterogeneous author-citation networks / F. Zhao, Y. Zhang, J. Lu, O. Shai. - DOI 10.1007/s11192-019-03010-5 // Scientometrics. - 2019. - Vol. 118. - Р. 1119-1140.

10. Co-citation and Co-authorship Networks of Statisticians / Р. Ji, J. Jin, Z.T. Ke, W. Li. - DOI 10.1080/07350015.2021.1978469 // Journal of Business and Economic Statistics. - 2022. - Vol. 40, No. 2. - Р. 469-485.

11. A Co-Citation and Co-Word Analysis of Social Entrepreneurship Research / Р.Т. Luc, P.X. Lan, A.N.-H. Le, В.Т. Tran. - DOI 10.1080/19420676.2020.1782971 // Journal of Social Entrepreneurship. - 2022. - Vol. 13, No. 3. - Р. 324-339.

12. Gómez, S. Centrality in Networks: Finding the Most Important Nodes / S. Gómez. - DOI 10.1007/978-3-030-06222-4_8// Business and Consumer Analytics: New Ideas / ed. P. Moscato, N.J. de Vries. - Cham: Springer, 2019. - Р. 401-433.

13. Das, K. Study on centrality measures in social networks: a survey / К. Das, S. Samanta, М. Pa. - DOI 10.1007/s13278-018-0493-2 // Social Network Analysis and Mining. - 2018. - Vol. 8. - Article number 13.

14. Гонашвили, А.С. Наукометрические базы данных и работа с ними: науч.-метод. пособие / А.С. Гонашвили. - СПб.: Изд-во ун-та при МПА ЕврАзЭС, 2020. - 57 с.

15. Hirsch, J.E. An index to quantify an individual's scientific research output / J.E. Hirsch. - DOI 10.1073/pnas.0507655102 // Proceedings of the National Academy of Sciences of the United States of America. - 2005. - Vol. 102, No. 46. - P. 1656916572.

16. Импакт-фактор. - Текст: электронный // Альфапедия: Свободная российская энциклопедия. - URL: https://alphapedia.ru/w/Impact_factor (дата обращения: 15.04.2023).

17. Vosviewer. Visualizing scientific landscapes. - URL: https://www.vosviewer.com (date accessed: 14.05.2023). - Text: electronic.

18. The Open Graph Viz Platform. - URL: https://gephi.org (date accessed: 12.05.2023). - Text: electronic.

19. Sentinel Visualyzer. - URL: https://sentinelvisualizer.com/Products/SentinelVisualizer/ (date accessed: 13.01.2025). -Text: electronic.

20. Tom Sawyer. Software. - URL: http://www.tomsawyer.com (date accessed: 14.05.2023). - Text: electronic.

21. Sylvester, J.J. On an Application of the New Atomic Theory to the Graphical Representation of the Invariants and Covariants of Binary Quantics, with Three Appendices / J.J. Sylvester. - DOI 10.2307/2369436 // American Journal of Mathematics. - 1878. - Vol. 1, No. 1. - Р. 64-104.

22. König, D. Theory of finite and infinite graphs / D. König. - Boston: Birkhäuser, 1990. - 426 p.

23. Assigning credit to scientific datasets usingarticle citation networks / T. Zeng, L. Wu, S. Brat, D.E. Acuna. - DOI 10.48550/arXiv.2001.05917 // Journal of Informetrics. - 2020. - Vol. 14. - Article number. 101013.

24. Emotions mapped by new geography // The New York Times. - 1933. - 3 Apr. - Р. 17.

25. Наука о сетях. - Текст: электронный // Энциклопедия Руниверсалис. -URL: https://xn--h1ajim.xn--

p 1 ai/%D0%9D%D0%B0%D 1 %83 %D0%BA%D0%B0_%D0%BE_%D 1 %81 %D0%B 5%D 1 %82%D 1 %8F%D 1 %85 (дата обращения: 01.09.2023).

26. Социальная сеть. - Текст: электронный // Википедия: Свободная энциклопедия. - URL:

https://ru.wikipedia.org/wiki/%D0%A1%D0%BE%D1%86%D0%B8%D0%B0%D0% BB%D 1 %8C%D0%BD%D0%B0%D 1 %8F_%D 1 %81 %D0%B5%D 1 %82%D 1 %8C (дата обращения: 01.09.2023).

27. Egghe, L. Introduction to Informetrics: quantitative methods in library, documentation and information science / L. Egghe, R. Rousseau. - Amsterdam: Elsevier Science Publishers, 1990. - 450 p.

28. Are citation networks really acyclic? - Text: electronic // Angelo Antonio Salatino: сайт. - URL: https://www.salatino.org/wp/are-citation-networks-really-acyclic/ (date accessed: 01.09.2023).

29. Fister, I. Toward the discovery of citation cartels in citation networks / I. Fister, I. Fister, М. Perc. - DOI 10.3389/fphy.2016.00049 // Frontiers in Physics. -2016. - Vol. 4. - Article number 49.

30. Евин, И.А. Теория сложных сетей как новая научная парадигма / И.А. Евин. - Текст: электронный // Сайт С.П. Курдюмова. - URL: https://spkurdyumov.m/uploads//2013/09/ewvm.pdf (дата обращения: 04.11.2019).

31. Щербакова, Н.Г. Аксиоматика центральности в комплексных сетях / Н.Г. Щербакова // Проблемы информатики. - 2015. - № 3 (28). - С. 3-14.

32. Щербакова, Н.Г. Меры центральности в сетях / Н.Г. Щербакова // Проблемы информатики. - 2015. - № 2 (27). - С. 18-30.

33. Landherr, A. А Critical review of centrality measures in social networks / A. Landherr, B. Friedl, A. Heidemann. - DOI 10.1007/s12599-010-0127-3 // Business and Information Systems Engineering. - 2010. - Vol. 2, No. 6. - P. 371-385.

34. Das, K. Study on centrality measures in social networks: a survey / K. Das, S. Samanta, M. Pal. - DOI 10.1007/s13278-018-0493-2 // Social Network Analysis and Mining. - 2018. - Vol. 8. - Article number 13.

35. Дегтерев, Д.А. Сетевой анализ международных отношений / Д.А. Дегтерев // Вестник С.-Петерб. ун-та. Сер. 6, Политология. Междунар. отношения. - 2015. - № 4. - С. 119-138.

36. Bonacich, P. Eigenvector-like measures of centrality for asymmetric relations / P. Bonacich, P. Lloyd. - DOI 10.1016/S0378-8733(01)00038-7 // Social Networks. -2001. - Vol. 23, No. 3. - P. 191-201.

37. Borgatti, S.P. Centrality and network flow / S.P. Borgatti. - DOI 10.1016/j.socnet.2004.11.008 // Social Networks. - 2005. - Vol. 27, No. 1. - P. 55-71.

38. Параметры «центральности» узлов сети цитирования научных статей / С.В. Бредихин, В.М. Ляпунов, Н.Г. Щербакова, А.Н. Юргенсон // Проблемы информатики. - 2016. - No. 1 (30). - С. 39-57.

39. Kleinberg, J. Authoritative sources in a hyperlinked environment / J. Kleinberg. - DOI 10.1145/324133.324140 // Association for Computing Machinery. - 1999. - Vol. 46, No. 5. - P. 604-632.

40. Newman, M.E.J. The mathematics of networks / M.E.J. Newman // The New Palgrave Dictionary of Economics / ed. S.N. Durlauf, L.E. Blume. - 2nd ed. -London: Palgrave Macmillan, 2008. - P. 8525-8533.

41. Eigenvector centrality for characterization of protein allosteric pathways / C. Negre, U.N. Morzan, H.P. Hendrickson [et al.]. - DOI 10.1073/pnas.1810452115 // Proceedings of the National Academy of Sciences. - 2018. - Vol. 115, No. 52. -E12201-E12208.

42. Katz, L.A. А new status index derived from sociometric analysis / L.A. Katz. - DOI 10.1007/bf02289026 // Psychometrika. - 1953. - Vol. 18, No. 1. -P. 39-43.

43. Bonacich, P. Simultaneous group and individual centralities / P. Bonacich. -DOI 10.1016/0378-8733(91)90018^ // Social Networks. - 1991. - Vol. 13, No. 2. -P. 155-168.

44. Fouss, F. Links Between Kleinberg's Hubs and Authorities, Correspondence Analysis, and Markov Chains / F. Fouss, M. Saerens, J.-M. Renders. - DOI 10.1109/ICDM.2003.1250967 // Third IEEE International Conference on Data Mining. - Melbourne, 2003. - P. 521-524.

45. Leon, C. Authority Centrality and Hub Centrality as metrics of systemic importance of financial market infrastructures / C. Leon, J. Perez. - DOI 10.2139/ssrn.2290271 // Borradores de Economia. - 2013. - Vol. 754. - P. 1-24.

46. Бредихин, С.В. Мера важности научной периодики - «центральность по посредничеству» / С.В. Бредихин, В.М. Ляпунов, Н.Г. Щербакова // Проблемы информатики. - 2014. - № 3. - C. 53-63.

47. Печников, А.А. Структура графа цитирования журналов Math-Net.Ru / А.А. Печников, Д.Е. Чебуков // Научный сервис в сети Интернет. - 2021. - № 23. -С. 265-278.

48. Пахомов, И.А. Алгоритм получения сети ссылок веб-страниц на основе поиска в ширину / И.А. Пахомов, Е.Б. Юдин // Динамика систем, механизмов и машин. - 2016. - № 3. - С. 35-38.

49. Пахомов, И.А. Получение структурной информации о сети web / И.А. Пахомов, Е.Б. Юдин // Информационные технологии и автоматизация управления: материалы VIII Всерос. науч.-практ. конф. студентов, аспирантов, работников образования и промышленности. - Омск: Изд-во ОмГТУ, 2016. -С. 241-246.

50. Научная электронная библиотека eLIBRARY.RU: информ.-аналит. портал. - URL: https://elibrary.ru/defaultx.asp (дата обращения: 07.09.2023). -Текст: электронный.

51. Аристова, Н.И. Предложения по оценке статей и ранжированию российских журналов, публикующих результаты прикладных научных разработок в области автоматизации промышленных предприятий / Н.И. Аристова, Э.Л. Ицкович // Автоматизация в промышленности. - 2020. - № 1. - С. 9-13.

52. Свидетельство о государственной регистрации программы для ЭВМ № 2020615709 Российская Федерация. Программный комплекс LinkAnalyzer 1.0 для сбора и анализа информации о цитировании научных публикаций: № 2020614572: заявл. 21.05.2020: опубл. (зарег.) 29.05.2020 / И.Г. Ольгина, А.Н. Абдрахманов;

заявитель Ом. гос. техн. ун-т. - 1 с.

53. Кравченко, Ю.А. Разработка генетического алгоритма расчета семантической близости в задачах управления знаниями / Ю.А. Кравченко, И.О. Курситыс, Э.В. Кулиев // Известия ЮФУ. Технические науки. - 2016. - № 6 (179). - С. 75-87.

54. Сапрыкин, Р.В. Метод нейросетевого планирования перемещения автономного необитаемого подвижного аппарата при групповом патрулировании местности / Р.В. Сапрыкин, В.А. Переверзев, А.О. Пьявченко. - Текст: электронный // Информационные технологии, системный анализ и управление (ИТСАИУ-2015): материалы XIII Всерос. науч. конф. молодых ученых, аспирантов и студентов. -Ростов н/Д.: Изд-во ЮФУ, 2016. - Т. 3. - С. 97-104. - URL: https://www.elibrary.ru/item.asp?id=42697213&pff=1 (дата обращения: 06.05.2023).

55. Зори, С.А. Особенности организации объемной визуализации в системах трехмерной компьютерной графики / С.А. Зори, А.Я. Аноприенко. - Текст: электронный // Программная инженерия: методы и технологии разработки информационно-вычислительных систем (ПИИВС-2018): сб. науч. трудов II Междунар. науч.-практ. конф. - Донецк: Изд-во ДонНТУ, 2018. - Т. 1. - С. 302308. - URL: https://elibrary.ru/item.asp?id=42755846 (дата обращения: 06.05.2021).

56. Networks in cognitive science / A. Baronchelli, R. Ferrer-i-Cancho, R. Pastor-Satorras [et al.]. - DOI 10.1016/j.tics.2013.04.010 // Trends in cognitive sciences. - 2013. - Vol. 17, No. 7. - P. 348-360.

57. Karuza, E.A. Local patterns to global architectures: influences of network topology on human learning / E.A. Karuza, Sh.L. Thompson-Schill, D.S. Bassett. -

DOI 10.1016/j.tics.2016.06.003 // Trends in cognitive sciences. - 2016. - Vol. 20, No. 8. - P. 629-640.

58. Representing melodic relationships using network science / H.M. Merseal, R.E. Beaty, Y.N. Kenett [et al.]. - DOI 10.1016/j.cognition.2022.105362 // Cognition. -2023. - Vol. 233. - Article number 105362.

59. Barabasi, A.-L. Scale-free networks: a decade and beyond / A.-L. Barabasi. - DOI 10.1126/science.1173299 // Science. - 2009. - Vol. 325. - P. 412-413.

60. Research Metrics. - Text: electronic // University of the Sunshine Coast. -URL: https://libguides.usc.edu.au/researchmetrics/researchmetrics-field-weighted-citation-impact (date accessed: 22.08.2023).

61. Баврина, А.П. Современные правила применения корреляционного анализа / А.П. Баврина, И.Б. Борисов // Медицинский альманах. - 2021. - № 3 (68). - С. 70-79.

62. Клевцов, А.А. Таблицы критических значений статистических критериев / А.А. Клевцов. - Текст: электронный // StatAnalyse.org: сайт. - URL: https://web.archive.org/web/20100302075025/http://www.statanalyse.org/articles/18-statistic-tables (дата обращения: 23.08.2023).

63. Проверка статистической значимости. - Текст: электронный // Data Science: сайт. - URL: http://datascientist.one/proverka-stat-znachimosti (дата обращения: 23.08.2023).

64. Коэффициент корреляции рангов Спирмена. - Текст: электронный. -URL: http://cito-web.yspu.org/link1/metod/met125/node36.html (дата обращения: 23.08.2023).

65. Кошелева, Н.Н. Корреляционный анализ и его применение для подсчета ранговой корреляции Спирмена / Н.Н. Кошелева // Актуальные проблемы гуманитарных и естественных наук. - 2012. - № 5. - С. 23-26.

66. Ермолаев, О.Ю. Математическая статистика для психологов / О.Ю. Ермолаев. - 2-е изд., испр. - М.: Флинта, 2003. - 336 с.

67. Налимов, В.В. Наукометрия: изучение развития науки как информационного процесса / В.В. Налимов, З.М. Мульченко. - М.: Наука, 1969. -191 с.

68. Гуськов, А.Е. Вызовы для развития наукометрических исследований /

A.Е. Гуськов, Я.Л. Шрайберг. - DOI 10.33186/1027-3689-2023-2-37-58 // Научные и технические библиотеки. - 2023. - № 2. - С. 37-58.

69. Писляков, В.В. Зачем создавать национальные индексы цитирования? /

B.В. Писляков // Научные и технические библиотеки. - 2007. - № 2. - С. 9.

70. Писляков, В.В. Методы оценки научного знания по показателям цитирования / В.В. Писляков // Строительные материалы. - 2009. - № 3. - С. 89-93.

71. Писляков, В.В. Библиометрические индикаторы в ресурсах компании Clarivate / В.В. Писляков. - DOI 10.15826/B978-5-7996-3154-3.008 // Руководство по наукометрии: индикаторы развития науки и технологии / М.А. Акоев [и др.]. -- Екатеринбург: Изд-во УрФУ им. Б.Н. Ельцина, 2021. - С. 177-220.

72. Руководство по наукометрии: индикаторы развития науки и технологии / М.А. Акоев, В.А. Маркусова, О.В. Москалева, В.В. Писляков; под ред. М.А. Акоева. - 2-е изд. - Екатеринбург: Изд-во УрФУ им. Б.Н. Ельцина, 2021. -357 с.

73. An altmetric as an indicator of a publication's scientific impact / V.A. Markusova, A.N. Libkind, L.E. Mindeli, V.G. Bogorov. - DOI 10.1134/S1019331618040123 // Herald of the Russian Academy of Sciences. - 2018. -Vol. 88, No. 5. - P. 394-400.

74. Москалева, О.В. Наукометрия: немного истории и современные российские реалии / О.В. Москалева, М.А. Акоев // Управление наукой: теория и практика. - 2019. - Т. 1, № 1. - С. 135-148.

75. Wasserman, S. Social Network Analysis: Methods and Applications / S. Wasserman, K. Faust. - Cambridge: Cambridge University Press, 1994. - 825 р.

76. Бредихин, С.В. Библиометрические сети научных статей и журналов / С.В. Бредихин, В.М. Ляпунов, Н.Г. Щербакова. - Новосибирск: Изд-во ИВМиМГ СО РАН, 2021. - 334 с.

77. Знаменская, Е.А. Анализ соавторства в математических журналах Math-Net.Ru / Е.А. Знаменская, А.А. Печников, Д.Е. Чебуков // Научный сервис в сети Интернет. - 2022. - № 24. - С. 190-202.

78. Freeman, L. A set measures of centrality based on betweenness / L. Freeman. - DOI 10.2307/3033543 // Socoimetry. - 1977. - Vol. 40, No. 1. - P. 3541.

79. Network analysis: Methodological foundations / ed. U. Brandes, Т. Erlebach. - Cham: Springer, 2005. - 471 р. - (Lecture Notes in Computer Science; Vol. 3418).

80. Бредихин, С.В. Ранжирование коллекции периодических изданий базы данных RePEc на основе метрик Eigenfactors / С.В. Бредихин, В.М. Ляпунов, Н.Г. Щербакова // Проблемы информатики. - 2014. - № 1 (22). - С. 36-42.

81. Бредихин, С.В. Мера «центральности» для ранжирования научных статей / С.В. Бредихин, В.М. Ляпунов, Н.Г. Щербакова // Проблемы информатики.

- 2015. - № 1. - С. 55-64.

82. Бредихин, С.В. Параметры пар узлов сети цитирования научных статей / С.В. Бредихин, В.М. Ляпунов, Н.Г. Щербакова // Проблемы информатики. -2016. - № 2. - С. 30-49.

83. Бредихин, С.В. Структура сети цитирования научных статей / С.В. Бредихин, В.М. Ляпунов, Н.Г. Щербакова // Проблемы информатики. - 2016.

- № 3. - С. 26-43.

84. Свидетельство о государственной регистрации программы для ЭВМ № 2021661693 Российская Федерация. Генератор списка источников информации в сетях цитирования: № 2021660969: заявл. 14.07.2021: опубл. (зарег.) 14.07.2021 / И.Г. Ольгина, Д.С. Осипов; заявитель Омский гос. техн. ун-т. - 1 с.

85. Bonifaci, V. Centrality Measures / В. Bonifaci. - URL: http://www.aris.me/contents/teaching/social-networks-2018/notes/centrality.pdf (date accessed: 07.08.2023). - Text: electronic.

86. Bavelas, А. Communication patterns in task-oriented groups / A. Bavelas. -DOI 10.1121/1.1906679 // Journal of the Acoustical Society of America. - 1950. - Vol. 22, No. 6. - P. 725-730.

87. Freeman, L. A set of measures of centrality based upon betweenness / L. Freeman. - Text: electronic // Sociometry. - 1977. - Vol. 40, No. 1. - Р. 35-41. -URL: https://doi.org/10.2307/3033543 (date accessed: 07.08.2023).

88. How does Google rank webpages? - URL: https: //web. archive. org/web/20120131083328/http: //scenic. princeton. edu/network20q/le ctures/Q3_notes.pdf (date accessed: 07.08.2023). - Text: electronic.

89. Goel, P. PageRank Algorithm / P. Goel. - Text: electronic // Coding Ninjas - URL: https://www.codingninjas.com/studio/library/pagerank-algorithm (date accessed: 07.08.2023).

90. Brin, S. The anatomy of a large-scale hypertextual Web search engine / S. Brin, L. Page // Computer Networks and ISDN Systems. - 1998. - Vol. 30. - P. 107-117.

91. Ключарев, П.Г. Спектральные методы анализа социальных сетей / П.Г. Ключарев, М.А. Басараб // Наука и образование: научное издание МГТУ им. Н.Э Баумана. - 2017. - № 5. - С. 168-177.

92. Свидетельство о государственной регистрации программы для ЭВМ № 2023666387 Российская Федерация. Визуализатор сетей цитирования: свидетельство о государственной регистрации программы для ЭВМ. Российская Федерация: № 2023665592; заявл. 27.07.2023; опубл. 31.07.2023. / И.Г. Ольгина, С.В. Бадрызлов; заявитель и правообладатель Омский гос. техн. ун-т. - 1 с.

93. PageRank for ranking authors in co-citation networks / Y. Ding, E. Yan, A. Frazho, J. Caverlee. - DOI 10.1002/asi.v60:11 // Journal of the American Society for Information Science and Technology. - 2009. - Vol. 60, No. 11. - Р. 2229-2243.

94. Ding, Y. Applying weighted PageRank to author citation networks / Y. Ding. - DOI 10.1002/asi.21452 // Journal of the American Society for Information Science and Technology. - 2011. - Vol. 62, No. 2. - P. 236-245.

95. Maslov, S. Promise and pitfalls of extending Google's PageRank algorithm to citation networks / S. Maslov, S. Redner // Journal of Neuroscience. - 2008. - Vol. 28, No. 44. - P. 11103-11105.

96. Jezek, K. Exploration and Evaluation of Citation Networks / K. Jezek, D. Fiala, J. Steinberger // Open Scholarship: Authority, Community, and Sustainability in the Age of Web 2.0: proceedings of the 12th International Conference on Electronic Publishing held. - Pilsen: University of West Bohemia, 2008. - P. 351-362.

97. PageRank variants in the evaluation of citation networks / M. Nykl, K. Jezek, D. Fiala, M. Dostal. - DOI 10.1016/j.joi.2014.06.005 // Journal of Informetrics. - 2014. - Vol. 8, No. 3. - P. 683-692.

98. Scientific publication recommendations based on collaborative citation networks / T. Huynh, K. Hoang, L. Do [et al.]. - DOI 10.1109/CTS.2012.6261069 // 2012 International Conference on Collaboration Technologies and Systems (CTS). -New York: IEEE, 2012. - P. 316-321.

99. Detecting emerging research fronts based on topological measures in citation networks of scientific publications / N. Shibata, Y. Kajikawa, Y. Takeda, K. Matsushima. - DOI 10.1016/j.technovation.2008.03.009 // Technovation. - 2008. -Vol. 28, No. 11. - P. 758-775.

100. Exploring topics in bibliometric research through citation networks and semantic analysis / C. Mejia, V. Wu, Y. Zhang, Y. Kajikawa. - DOI 10.3389/frma.2021.742311 // Frontiers in Research Metrics and Analytics. - 2021. -Vol. 6. - Article number 742311.

101. Current state and future trends: a citation network analysis of the academic performance field / C. Martinez-Perez, C. Alvarez-Peregrina, C. Villa-Collar, M.Á. Sánchez-Tena. - DOI 10.3390/ijerph17155352 // International Journal of

Environmental Research and Public Health. - 2020. - Vol. 17, No. 15. - Article number 5352.

102. Ольгина, И.Г. Метод определения важных узлов с учетом релевантных мер центральности / И.Г. Ольгина // Математическое и компьютерное моделирование: сб. материалов VII Междунар. науч. конф., посвященной памяти С.С. Ефимова. - Омск: ОмГУ, 2020. - С. 144-146.

103. Меры центральности в Network Science. - URL: https://habr.com/ru/articles/715386/ (дата обращения: 15.09.2023). - Текст: электронный.

104. Поверить индексом науку. - Текст: электронный // Газета.ги. - URL: https://www.gazeta.ru/science/2012/12/19_a_4896245. shtml (дата обращения: 15.09.2023).

105. Ольгина, И.Г. Ранжирование научных статей по степени важности узлов сети цитирования / И.Г. Ольгина, И.В. Пронин // Системы управления, информационные технологии и математическое моделирование: материалы I Всерос. науч.-практ. конф. с междунар. участием / отв. ред. В.Н. Задорожный. -Омск: Омский гос. техн. ун-т, 2019. - С. 92-99.

106. Top 30 Social Network Analysis and Visualization Tools. - Text: electronic // KDnuggets. - URL: https://www.kdnuggets.com/2015/06/top-30-social-network-analysis-visualization-tools.html/2 (date accessed: 07.07.2023).

107. Бураков, И.И. Использование библиотек NumPy, NumPy-STL и OpenCV при построении трехмерной модели зуба / И.И. Бураков, В.О. Федоров // Оригинальные исследования. - 2022. - № 4. - С. 48-59.

108. Current state and future trends: a citation network analysis of the academic performance field / C. Martinez-Perez, C. Alvarez-Peregrina, C. Villa-Collar, M.Á. Sánchez-Tena. - DOI 10.3390/ijerph17155352 // International Journal of Environmental Research and Public Health. - 2020. - Vol. 17, No. 15. - Article number 5352.

109. CitNetExplorer. - URL: https://www.citnetexplorer.nl (date accessed: 14.05.2023). - Text: electronic.

110. Eck, N.J. van. CitNetExplorer: A new software tool for analyzing and visualizing citation networks / N.J. van Eck, L. Waltman. - DOI 10.1016/j.joi.2014.07.006 // Journal of Informetr. - 2014. - Vol. 8. - P. 802-823.

111. Eck, N.J. van. Citation-based clustering of publications using CitNetExplorer and VOSviewer / N.J. van Eck, L. Waltman. - DOI 10.1007/s11192-017-2300-7 // Scientometrics. - 2017. - Vol. 111, No. 2. - P. 1053-1070.

112. Ольгина, И.Г. Методика сетевого анализа научных публикаций / И.Г. Ольгина. - DOI 10.26907/1562-5419-2023-26-5-646-672 // Электронные библиотеки. - 2023. - Т. 26, № 5. - С. 646-672.

113. Kenett, Y.N. Editors' Introduction to Networks of the Mind: How Can Network Science Elucidate Our Understanding of Cognition? / Y.N. Kenett, T.T. Hills. - DOI 10.1111/tops. 12598 // Topics in Cognitive Science. - 2022. - Vol. 14, No. 1. -P. 45-53.

114. Vitevitch, M.S. Using network science in the language sciences and clinic / M.S. Vitevitch, N. Castro. - DOI 10.3109/17549507.2014.987819 // International Journal of Speech-Language Pathology. -2015. - Vol. 17, No. 1. - P. 13-25.

115. Саати, Т.Л. Принятие решений: Метод анализа иерархий / Т.Л. Саати; пер. с англ. Р.Г. Вачнадзе. - М.: Радио и связь, 1993. - 314 с.

116. RePEC. General principles: сайт. - URL: http://repec.org/ (date accessed: 26.11.2023). - Text: electronic.

117. Ольгина, И.Г. Анализ результатов ранжирования научных публикаций с использованием метода ранговой корреляции / И.Г. Ольгина. - DOI 10.24412/2071-6168-2024-3-74-75 // Изв. Тульского гос. ун-та. Технические науки. -2024. - № 3. - С. 74-78.

118. Сравнительный анализ метода сетевого анализа научных публикаций и метода анализа иерархий при выборе источников информации / И.Г. Ольгина, Е.Г. Андреева, А.Г. Янишевская, В.К. Федоров. - DOI 10.24412/2071-6168-2024-9484-485 // Изв. Тульского гос. ун-та. Технические науки. - 2024. - № 9. - С. 484488.

119. Ольгина, И.Г. Система поддержки принятия решений при выборе источников информации в сетях цитирования / И.Г. Ольгина // Электронные библиотеки. - 2025. - Т.28, №1. - С.77-97.

120. Newman, M.E.J. The structure of scientific collaboration networks / M.E.J Newman. - DOI 10.1073/pnas.98.2.404 // Proceedings of the National Academy of Sciences. - 2001. - Vol. 98, No. 2. - P. 404-409.

121. Newman, M.E.J. Assortative Mixing in Networks / M.E.J. Newman. - DOI 10.1103/physrevlett.89.20 // Physical Review Letters. - 2002. - Vol. 89, No. 20. -Article number 208701.

122. Newman, M.E.J. The Structure and Function of Complex Networks / M.E.J. Newman. - DOI 10.1137/s003614450342480 // SIAM Review. - 2003. - Vol. 45, No. 2. - P. 167-256.

123. Newman, M.E.J. Modularity and community structure in networks / M.E.J. Newman. - DOI 10.1073/pnas.0601602103 // Proceedings of the National Academy of Sciences. - 2006. - Vol. 103, No. 23. - P. 8577-8582.

124. Clauset, A. Hierarchical structure and the prediction of missing links in networks / A. Clauset, C. Moore, M.E.J. Newman. - DOI 10.1038/nature06830 // Nature. - 2008. - Vol. 453, No. 7191. - P. 98-101.

125. Clauset, A. Power-Law Distributions in Empirical Data / A. Clauset, C.R. Shalizi, M.E.J. Newman. - DOI 10.1137/070710111 // SIAM Review. - 2009. -Vol. 51, No. 4. - P. 661-703.

126. Nadakuditi, R.R. Graph spectra and the detectability of community structure in networks / R.R. Nadakuditi, M.E. Newman. - DOI

10.1103/PhysRevLett.108.188701 // Physical Review Letters. - 2012. - Vol. 108, No. 18. - Article number 188701.

127. Karrer, B. Percolation on Sparse Networks / B. Karrer, M.E.J. Newman, L. Zdeborova. - DOI 10.1103/physrevlett.113.208702 // Physical Review Letters. -2014. - Vol. 113, No. 20. - Article number 208702.

128. Wasserman, S. Social Network Analysis in the Social and Behavioral Sciences / S. Wasserman, K. Faust // Social Network Analysis: Methods and Applications. - Cambridge; New York: Cambridge University Press, 1994. - P. 3-27.

129. Freeman, L.C. The Development of Social Network Analysis: A Study in the Sociology of Science / L.C. Freeman. - Vancouver: Empirical Press, 2004. - 205 p.

130. Research Methods in Social Network Analysis / ed. L.C. Freeman. - 1nd ed. - New York: Routledge, 1992. - 530 p. - URL: https://doi.org/10.4324/9781315128511 (date accessed: 06.02.2025). - Text: electronic.

131. White, D.R. Network Analysis and Ethnographic Problems. Process Models of a Turkish Nomad Clan / D.R. White, U.C. Johansen. - Lanham: Lexington Books, 2006. - 544 p.

132. Kinship, Networks, and Exchange / ed. D.R. White, T. Schweizer. -Cambridge: Cambridge University Press, 1998. - 352 p.

133. Craven, P. The Network City / P. Craven, B. Wellman. - DOI 10.1111/j.1475-682X.1973.tb00003.x // Sociological Inquiry. - 1973. - Vol. 43, No. 34. - P. 57-88.

134. Wellman, B. The Community Question: The Intimate Networks of East Yorkers / B. Wellman // American Journal of Sociology. - 1979. - Vol. 84, No. 5. -P. 1201-1231.

135. Wellman, B. Computer Networks as Social Networks / B. Wellman. - DOI 10.1126/science.1065547 // Science. - 2001. - Vol. 293, No. 5537. - P. 2031-2034.

136. Granovetter, M.S. The Strength of Weak Ties / M.S. Granovetter. - DOI 10.1086/225469 // American Journal of Sociology. - 1973. - Vol. 78, No. 6. - P. 13601380.

137. Bonacich, P. Eigenvector-like measures of centrality for asymmetric relations / P. Bonacich, P. Lloyd. - DOI 10.1016/s0378-8733(01)00038-7 // Social Networks. - 2001. - Vol. 23, No. 3. - P. 191-201.

138. Katz, L. A new status index derived from sociometric analysis / L. Katz. -DOI 10.1007/bf02289026 // Psychometrika. - 1953. - Vol. 18, No. 1. - P. 39-43.

139. Freeman, L.C. A Set of Measures of Centrality Based on Betweenness / L.C Freeman. - DOI 10.2307/3033543 // Sociometry. - 1977. - Vol. 40, No. 1. - P. 3541.

140. Kleinberg, J.M. Authoritative sources in a hyperlinked environment / J.M. Kleinberg. - DOI 10.1145/324133.324140 // Journal of the AC. - 1999. - Vol. 46, No. 5. - P. 604-632.

141. Luke, D.A. A User's Guide to Network Analysis in R / D.A. Luke. - 1nd ed. - New York: Springer-Verlag, 2015. - XII, 238 р.

142. Чесалов, А.Ю. Глоссариум по искусственному интеллекту: 2500 терминов / А.Ю. Чесалов, А.Н. Власкин, М.О. Баканач. - [Б. м.]: Издательские решения, 2022. - Т. 1. - 460 с.

143. Харари, Ф. Теория графов / Ф. Харари; пер. с англ. и предисл. В.П. Козырева; под ред. Г.П. Гаврилова. - 2-е изд. - М.: Едиториал УРСС, 2003. -296 с.

144. Дистель, Р. Теория графов: пер. с англ. / Р. Дистель. - Новосибирск: Изд-во Ин-та математики, 2002. - 336 с.

145. Moed, H.F. The source normalized impact per paper is a valid and sophisticated indicator of journal citation impact / H.F. Moed. - DOI 10.1002/asi.21424 // Journal of the American Society for Information Science and Technology. -2010. -Vol. 62, No. 1. - P. 211-213.

146. Gephi. - Текст: электронный // Soware.ru: сайт. - URL: https://soware.ru/products/gephi (дата обращения: 13.01.2025).

147. Perron, O. Zur Theorie der Matrices / O. Perron. - DOI 10.1007/BF01449896 // Mathematische Annale. - 1907. - Vol. 64, No. 2. - P. 248-263.

148. Qt Framework. - URL: https://www.qt.io/product/framework (date accessed: 13.01.2025). - Text: electronic.

149. PyQt. - URL: https://wiki.python.org/moin/PyQt (date accessed: 13.01.2025). - Text: electronic.

150. PySide6. - URL: https://pypi.org/project/PySide6/ (date accessed: 13.01.2025). - Text: electronic.

151. PyCharm Professional vs. Community Edition. - URL: https://www.jetbrains.com/pycharm/editions/ (date accessed: 13.01.2025). - Text: electronic.

152. Openpyxl. - URL: https://pypi.org/project/openpyxl/ (date accessed: 13.01.2025). - Text: electronic.

153. Python Graph Libraries. - URL: https://wiki.python.org/moin/PythonGraphLibraries (date accessed: 14.01.2025). -Text: electronic.

154. PyQt5 - PyPI. - URL: https://pypi.org/project/PyQt5/ (date accessed: 14.01.2025). - Text: electronic.

155. Beautifulsoup4 - PyPI. - URL: https://pypi.org/project/beautifulsoup4/ (date accessed: 14.01.2025). - Text: electronic.

156. Requests - PyPI. - URL: https://pypi.org/project/requests/ (date accessed: 14.01.2025). - Text: electronic.

157. Urllib3 - PyPI. - URL: https://pypi.org/project/urllib3/ (date accessed: 14.01.2025). - Text: electronic.

158. NetworkX documentation. - URL: https://networkx.org/ (date accessed: 14.01.2025). - Text: electronic.

159. Plotly Python Graphing Library. - URL: https://plotly.com/python/ (date accessed: 14.01.2025). - Text: electronic.

160. Selenium Client Driver. - URL: https://www.selenium.dev/selenium/docs/api/py/index.html (date accessed: 14.01.2025). - Text: electronic.

161. Geckodriver - Automate Firefox with WebDriver Support. - URL: https://geckodriver.com/ (date accessed: 14.01.2025). - Text: electronic.

162. Forceatlas2 Python. - Text: electronic // Anaconda.org. - URL: https://anaconda.org/bioconda/forceatlas2-python (date accessed: 14.01.2025).

163. Трусова, А.Ю. Анализ данных. Многомерные статистические методы / А.Ю. Трусова. - Текст: электронный. - Самара: Изд-во Самар. ун-та, 2023. - 92 с.

- URL: https://repo.ssau.ru/bitstream/Uchebnye-izdaniya/Analiz-dannyh-Mnogomernye-statisticheskie-metody-108040/1/978-5-7883-2029-8_2023.pdf (дата обращения: 15.01.2025).

164. Кристофидес, Н. Теория графов. Алгоритмический подход / Н. Кристофидес; пер. с англ. Э.В. Вершкова, И.В. Коновальцева; под ред. Г.П. Гаврилова. - М.: Мир, 1978. - 432 с.

165. Ольгина, И.Г. Методы математического моделирования сетей цитирования для комплектования фонда научных библиотек / И.Г. Ольгина // Вестник технологического ун-та. - 2019. - Т. 22, № 6. - С. 123-127.

166. Ольгина, И.Г. Метод определения важных узлов сети цитирования научных публикаций / И.Г. Ольгина. - DOI 10.14489/vkit.2021.05.pp.003-010 // Вестник компьютерных и информационных технологий. - 2021. - Т. 18, № 5 (203).

- С. 3-10.

167. Teslya, E. Cross-technologies in situation centers to manage library's information resources: a theoretical aspect / E. Teslya, I. Olgina // Scientific and technical libraries. - 2016. - № 8. - P. 29-35.

168. Olgina, I.G. Application of network analysis methods in the selection of information sources / I.G. Olgina. - DOI 10.1088/1742-6596/1441/1/012157 // Journal of Physics: Conference Series. - 2020. - Vol. 1441. - Article number 012157.

169. Ольгина, И.Г. Модель системы управления библиотекой и роль информационных технологий в принятии управленческих решений / И.Г. Ольгина, Е.В. Тесля // Библиосфера. - 2015. - № 1. - С. 79-83.

170. Ольгина, И.Г. Автоматизированные системы в библиотечной сфере / И.Г. Ольгина, Е.В. Тесля // Труды ГПНТБ СО РАН. - 2015. - № 8. - С. 218-223.

171. Ольгина, И.Г. Кросс-технологии ситуационного центра для управления информационными ресурсами библиотеки: теоретический аспект / И.Г. Ольгина. - DOI 10.25206/2311-4908-2018-5-4-9-18 // Прикладная математика и фундаментальная информатика. - 2018. - Т. 5, № 4. - С. 9-18.

172. Ольгина, И.Г. Математическая модель оптимального выбора из множества потенциальных документов для комплектования библиотечного фона / И.Г. Ольгина // Математическое и компьютерное моделирование: сб. материалов VI Междунар. науч. конф., посвящ. памяти Б.А. Рогозина. - Омск, 2018. - С. 113-115.

173. Ольгина, И.Г. Комплекс программ для оптимального подбора источников информации в сетях цитирования / И.Г. Ольгина, Д.С. Осипов // Системы управления, информационные технологии и математическое моделирование: материалы III Всерос. науч.-практ. конф. с междунар. участием. -Омск, 2021. - Т. 1. - С. 115-121.

174. Ольгина, И.Г. Анализ мер центральности узлов сети цитирования / И.Г. Ольгина, А.А. Моловилов. - DOI 10.25206/978-5-8149-3487-1-2022-1-240-248 // Системы управления, информационные технологии и математическое

моделирование: материалы IV Всерос. науч.-практ. конф. с междунар. участием. -Омск, 2022. - Т. 1. - С. 240-248.

175. Ольгина, И.Г. Цифровая библиотека вуза / И.Г. Ольгина // Информатизация образования и методика электронного обучения: цифровые технологии в образовании: материалы VI Междунар. науч. конф. - Красноярск, 2022. - Ч. 2. - С. 72-75.

176. Ольгина, И.Г. Анализ сетей цитирования научных публикаций / И.Г. Ольгина, С.В. Бадрызлов // Системы управления, информационные технологии и математическое моделирование: материалы V Всерос. науч.-практ. конф. с междунар. участием. - Омск, 2023. - С. 91-99.

177. Ольгина, И. Г. Цифровые сервисы информационной системы библиотеки вуза / И. Г. Ольгина, Р. Х. Багаутдинова // Инновации и менеджмент качества в деятельности библиотек образовательных организаций : материалы Республиканской науч.-практич. конф. (Донецк, 21 ноября 2024 г.) / науч. ред. Т. П. Ткаченко. - Донецк : ДОННУЭТ, 2024. - С. 47-53.

178. Ольгина, И. Г. Библиотека как ресурс развития научно-технологического потенциала вуза / И. Г. Ольгина, Н. И. Нигматулина, Р. Х. Багаутдинова // Научные и технические библиотеки. - 2025. - №2 2. - С. 98-114.

ПРИЛОЖЕНИЕ А (справочное)

АКТЫ ВНЕДРЕНИЯ И ИСПОЛЬЗОВАНИЯ РЕЗУЛЬТАТОВ

ИССЛЕДОВАНИЯ

Министерство науки и высшего образования Российской Федерации

Федеральное государственное автономное образовательное учреждение высшего образования «Омский государственный технический университет»

УТВЕРЖДАЮ

по научной и , и о н н ой/Ьея те л ь н о ст и дарственного верситета

В.Ф. Фефелов

2022 г.

о внедрении результатов диссертационной работы «Методы, модели и алгоритмы анализа сетей цитирования научных публикаций с использованием интернет-технологий» Ольгиной Инны Геннадьевны

Комиссия в составе: председатель комиссии

члены комиссии

Юдин Евгений Борисович, начальник управления научной информацией ОмГТУ

Федоров Алексей Аркадьевич, начальник отдела инновационной деятельности ОмГТУ Бабенко Ольга Ивановна, начальник научно-аналитического отдела ОмГТУ

составили настоящий акт о следующем.

Методы анализа сетей цитирования научных публикаций, разработанные в диссертации И.Г. Ольгиной, нашли отражение в следующих научных публикациях

1. Ольгина, И.Г. Методы математического моделирования сетей цитирования для комплектования фонда научных библиотек / И.Г. Ольгина // Вестник технологического университета. - 2019. - Т. 22, № 6. - С. 123-127.

2. Ольгина. И. Г. Метод определения важных узлов сети с учетом релевантных мер центральности / И. Г. Ольгина // Математическое и компьютерное моделирование : сб. материалов VII Междунар. науч. конф., посвящ. памяти С. С. Ефимова (Омск, 22 нояб. 2019 г.) / Ом. гос. ун-т им. Ф. М. Достоевского. - Омск : Изд-во ОмГУ, 2019. - С. 98-100.

3. Ольгина. И.Г. Метод определения важных узлов сети цитирования научных публикаций / И.Г. Ольгина. - DOI 10.14489/vkit.2021.05 .рр.003-010 // Вестник-компьютерных и информационных технологий. - 2021. - Т. 18. № 5 (203). - С. 3-10.

4. Ольгина, И.Г. Комплекс программ для оптимального подбора источников информации в сетях цитирования / И.Г. Ольгина. Д.С. Осипов // Системы управления, информационные технологии и математическое моделирование : материалы III Всерос. науч.-практ. конф. с междунар. участием (Омск, 20 мая 2021 г.): в 2 т. / Ом. гос. техн. унт. Каф. «Математические методы и информационные технологии в экономике» ; отв. ред. В Н. Задорожный. - Омск : Изд-во ОмГТУ, 2021.-Т. 1.-С. 115-121.

Обоснованность технических решений, расчетов и методов, предложенных автором, подтверждена следующими охранными документами:

- Свидетельство о государственной регистрации программы для ЭВМ № 2021661693 Российская Федерация. Генератор списка источников информации в сетях

цитирования: свидетельство о государственной регистрации программы для ЭВМ. Российская Федерация / И.Г. Ольгина, Д.С. Осипов ; заявитель и правообладатель Ом. гос. техн. ун-т. - № 2021660969 ; заявл. 14.07.2021 ; опубл. 14.07.2021. Зарегистрировано в Реестре программ для ЭВМ.

- Свидетельство о государственной регистрации программы для ЭВМ № 2020615709 Российская Федерация. Программный комплекс 1лпкАпа1угег 1.0 для сбора и анализа информации о цитировании научных публикаций : № 2020614572 : заявл. 21.05.2020 : опубл. (зарег.) 29.05.2020 / И. Г. Ольгина, А. Н. Абдрахманов ; заявитель Ом. гос. техн. ун-т. - 1 с.

По результатам обсуждения на заседании комиссии принято решение о применении предложенного в диссертации метода для разработки стратегии проведения информационных компаний по использованию информационных ресурсов и методов анализа публикаций авторов ОмГТУ российских и международных баз цитирования. Разработанная программная реализация демонстрирует хорошие результаты, ориентирована на работу с большими данными, может быть использована для подбора в качестве источников информации различных видов документов, в том числе патентов и патентных ландшафтов (объектов интеллектуальной собственности).

Председатель комиссии

Начальник управления научной информацией ОмГТУ

Е.Б. Юдин

Члены комиссии:

Начальник управления научной деятельностью ОмГТУ

&

А.А. Федоров

Начальник научно-аналитического отдела ОмГТУ

О.И. Бабенко

Certificate of Implementation

Date: I2-N0V-2Q24

It s heret/y certified thai the results or the dissertation work af Ms. innn Gennadicvna Olgina. entibled "Methods, tools and algorithms for analyzing information using Internet technologies", i.e. "Methods,. Mod-els and algorithms for analyzing networks of citation of s-cicntlfk publications using Internet technologies" are of pract cal interest

and were used in the develcpnent of a new software the ccrrplex is located on cur server in India. The software package being pub in bo operation is designed to analyze scientific publicabions and improve bhe Efficiency oF bhe selection process of information sources based on the developed method of ranking pLbl cations by importance using network, indicators {CHgina IS.).

We are confident that the mplemented software, developed on the basis of the methodology of network, analysis of scientific publications, will facilitate high quality information search and make the search process information effective. Our customers will Find it a useful tool.

We express o jr best wishes to Inna Gennadievna Olgina for success in all her future endeavors.

/¿i^V'

s AmitKuma1-Managirg Director

Net-Firn Sd uliinrti Pvt Lid.(CIN U73900U P 2QI0P7i 1322 20)

Registered Olfitt: 613/lfl-a/Ml. KaulilydPurf, Chinhal, LuLknLTiv. UP, Indid. PIN ISSOSS. GSTIN: 09AAHCN0719K129 | W: www.neuffcf ra.Ourn | E: iieLi(fflrieLilerrj.t.Ljni

ПРИЛОЖЕНИЕ Б (справочное)

СВИДЕТЕЛЬСТВА О РЕГИСТРАЦИИ ПРОГРАММ ДЛЯ ЭВМ

ПРИЛОЖЕНИЕ В. МЕТОДИКА РАБОТЫ ГЕНЕРАТОРА СПИСКА ИСТОЧНИКОВ ИНФОРМАЦИИ В СЕТЯХ ЦИТИРОВАНИЯ

Для работы программы на ЭВМ не требуется установка дополнительного ПО или библиотек.

1. Запуск программы

Для запуска программы необходимо запустить файл «GLIS.exe».

Для работы программы необходимо загрузить файл с библиографическими данными публикаций исследуемой БД через пункт Загрузка файлов «Загрузить выборку публикаций» и файл сети цитирования через пункт Загрузка файлов «Загрузить файл сети» (рисунок В.1). Получить данные файлы можно при помощи программы LinkAnalyzer 1 (Программный комплекс LinkAnalyzer 1.0 для сбора и анализа информации о цитировании научных публикаций. Российская Федерация / И. Г. Ольгина, А. Н. Абдрахманов ; заявитель и правообладатель Омский государственный технический университет - № 2020615709 ; заявлен 21.05.2020 ; опубликован 29.05.2020 Зарегистрирован в Реестре программ для ЭВМ).

В соответствии с данными БД на экран выводится таблица содержащая: порядковый номер публикации, присвоенный на этапе создания сети цитирования научных публикаций (СЦП); ранг публикации, который равен 0 при невыбранном профиле, название публикации; авторов; УДК; ключевые слова; наименование издания, в котором она опубликована, том, выпуск и его номер; номера страниц публикации.

Рисунок В.1 - Загрузка исходных данных (Источник: разработано автором) 2. Выбор профиля исследования

Для ранжирования публикаций по важности необходимо осуществить выбор профиля исследования (рисунок В.2) из списка «Список профилей». Порядок расположения публикаций в списке определяется на основании присвоенных им рангов. Ранг определяется по показателю комплексной оценки центральности узлов сети цитирования публикаций: чем он ниже, тем выше ранг. Следовательно, публикации располагаются в порядке убывания их важности.

Рисунок В.2 - Выбор профиля исследования (Источник: разработано автором)

Профиль «Исходящий» предназначен для отбора реферативных или обзорных публикаций.

Профиль «Входящий». При выборе данного профиля представляется возможным отбор эмпирических публикаций, содержащих результаты оригинальных исследований.

Профиль «Входящий/Исходящий». Выбор данного профиля позволяет отобрать публикации, которые могут быть как первоисточниками, так и обзорными, имеющими множество ссылок на другие публикации.

Предусмотрено создание собственных профилей исследования при помощи Конструктора профилей (рисунок В.3). Для этого необходимо осуществить выбор мер центральности сети цитирования, на основе которых будет вычислена комплексная оценка центральности узла сети, которой соответствует публикация. Узлами сети цитирования являются публикации, а связями - библиографические ссылки.

Рисунок В.3 - Создание профиля исследования (Источник: разработано автором) 3. Ввод условия отбора

Ввод условия отбора публикаций необходим для сокращения их наименований в отобранном списке согласно профилю исследования. Реализована возможность отбора важных публикаций по ключевому слову, теме публикации, автору и УДК (рисунок В. 4).

Рисунок В.4 - Ввод условия отбора публикаций (Источник: разработано автором)

4. Формирование списка изданий

Для формирования списка изданий необходимо открыть окно программы «Источники» нажатием кнопки «Источники» (рисунок В.5).

и Источники — ОХ

Сохранить Поиск. Отобразить все

Наименование издания Кол-во статей Ранг издания

1 |Вестник Нижегородского университета им. Н.И. Лобачевского а 561

2 Вопросы атомной науки и техники. Серия: Математическое моделирование физическ... 1 67

3 Известия ЮФУ. Технические науки 34 2263

4 Системы управления и информационные технологии 15 907

5 Интеллектуальные информационные системы. Труды Материалы всероссийской ... 48 5448

б Программная инженерия: методы и технологии разработки информационно-... 1 53

7 Труды НГТУ им. Р.Е. Алексеева 2 119

8 Информационные системы и технологии - 2019. Сборник материалов XXV ... 197 22773

9 Успехи современной науки и образования 1 13

10 Математические методы в технике и технологиях - ММ I I 8 575

10 Предыдущие Следующие

Рисунок В.5 - Диалоговое окно «Источники» (Источник: разработано автором)

Список изданий формируется на основе выбранного профиля исследования. В соответствии с полученным списком публикаций на этапе отбора публикаций на экран выводится таблица, содержащая следующие данные: название издания, количество публикаций издания, ранг издания. Ранг издания определяется исходя из полученных рангов публикаций, которые содержит данный журнал, чем меньше ранг, тем выше важность журнала.

5. Сохранение данных

Для сохранения полученного списка публикаций и списка изданий необходимо выбрать количество публикаций/источник от 10 до 500 в выпадающем списке, представленном снизу. После выбрать соответствующий пункт меню про-

граммы «Сохранить в excel» (рисунок вом окне «Источники» (рисунок В. 7).

151 В.6)

либо кнопку «Сохранить» в диалого-

Рисунок В.6 - Сохранение списка публикаций (Источник: разработано автором)

Рисунок В.7 - Сохранение списка изданий (Источник: разработано автором) Запись полученных списков осуществляется в формате хкх.

ПРИЛОЖЕНИЕ Г

Таблица Г.1 - Значения Rh и RFWCI для публикаций, входящих в Scopus

№ п/п Автор публикации (год издания) Rh FWCI Rfwci

1 Baronchelli a. (2013) 1 3,41 41

2 Karuza e.a. (2016) 2 1,06 85

3 Merseal h.m. (2023) 3 3,4 42

4 Kenett y.n. (2022) 4 19,56 5

5 Vitevitch m.s. (2015a) 5 4,09 34

6 Medaglia j.d. (2015) 6 8,13 14

7 Bassett d.s. (2017a) 7 14,21 7

8 Stam c.j. (2014a) 8 6,87 23

9 Mucha p.j. (2010) 9 8,37 13

10 Vitevitch m.s. (2012) 10 3,21 46

11 chan k.y. (2009) 11 1,16 84

12 vitevitch m.s. (2014a) 12 5,14 31

13 chan k.y. (2010) 13 0,89 90

14 zaharchuk h.a. (2021) 14 1,04 87,5

15 kenett y.n. (2017) 15 10,26 10

16 kenett y.n. (2014) 16 3,14 48

17 sporns o. (2014) 17 6,93 22

18 gosak m. (2018a) 18 6,71 25

19 ma x. (2023) 19 3,27 44,5

20 fortunato s. (2016) 20 17,24 6

21 castro n. (2020a) 21 2,53 56,5

22 bassett d.s. (2017b) 22 1,49 77,5

23 fornito a. (2016a) 23 61,04 2

24 kenett y.n. (2018a) 24 3,69 39

25 avena-koenigsberger a. (2018) 25 7,12 20

№ п/п Автор публикации (год издания) Rh FWCI Rfwci

26 castro n. (2023) 36,5 3,98 35

27 braun u. (2018) 26 1,95 67,5

28 chen b. (2022) 27 1,64 72

29 fornito a. (2015) 28,5 2,88 51

30 goldstein r. (2014) 28,5 1,57 75

31 christensen a.p. (2018) 30 2,14 64

32 benedek m. (2017) 31 11,45 9

33 kenett y.n. (2016a) 32 12,85 8

34 mantzaris a.v. (2013) 33 3,97 36

35 telesford q.k. (2016) 34 4,31 33

36 vitevitch m.s. (2022) 35 5,66 28,5

37 levy o. (2021) 36,5 1,47 79

38 siew c.s.q. (2022) 38 2,19 61

39 telesford q.k. (2011b) 39,5 0,59 97

40 castro n. (2019) 39,5 2,74 54

41 siew c.s.q. (2016) 41 3,89 37

42 mattar m.g. (2015) 42 5,02 32

43 christensen a.p. (2021) 43 2,94 49,5

44 karuza e.a. (2022) 44 2,83 52

45 castro n. (2022) 45 1,7 71

46 kivelä m. (2014) 46 92,58 1

47 betzel r.f. (2017) 47 1,05 86

48 stella m. (2022a) 48 5,66 28,5

49 sporns o. (2011) 49 3,27 44,5

50 sizemore a.e. (2018) 50 3,73 38

51 bassett d.s. (2017d) 51 1,6 74

52 blevins a.s. (2022) 52 0,4 101,5

№ п/п Автор публикации (год издания) Rh FWCI Rfwci

53 kenett y.n. (2020) 53 0,4 101,5

54 hills t.t. (2022) 54 9,63 11

55 stella m. (2022c) 55 0,94 89

56 siew c.s.q. (2018) 56 1,4 81

57 havlin s. (2012) 57 1,53 76

58 luchini s. (2023) 58 0 106,5

59 zhang x. (2020) 59 0,7 95,5

60 crofts j.j. (2011) 60 2,94 49,5

61 vitevitch m.s. (2014b) 61 1,62 73

62 siew c.s.q. (2019b) 62 2,81 53

63 beaty r.e. (2016) 63 7,05 21

64 de deyne s. (2016) 64 0,7 95,5

65 simpson s.l. (2013) 65 6,78 24

66 siew c.s.q. (2019c) 66 1,99 66

67 wulff d.u. (2022) 67 7,93 16

68 solomon s.h. (2019) 68 0 106,5

69 faust m. (2014) 69 1,37 82

70 morone f. (2015) 70 0,33 103

71 papadopoulos l. (2018) 71 2,2 60

72 kenett y.n. (2016b) 72 3,57 40

73 vitevitch m.s. (2016a) 73,5 23,68 4

74 femandez-fontecha a. (2022) 73,5 0,73 93

75 telesford q.k. (2011a) 75 0,52 98

76 kenett y.n. (2021) 76 0,51 99

77 deco g. (2014) 77 2,34 58

78 alexander-bloch a. (2012) 78,5 3,19 47

79 avena-koenigsberger a. (2014) 78,5 1,95 67,5

№ п/п Автор публикации (год издания) Rh FWCI Rfwci

80 betzel r.f. (2020) 80 1,28 83

81 petersen s.e. (2015) 81 2,58 55

82 krishnagopal s. (2021) 82 1,85 69

83 vitevitch m.s. (2021a) 83 0,75 92

84 kumar a.a. (2022) 84 9,06 12

85 battiston f. (2017a) 85 7,81 17

86 vitevitch m.s. (2023) 86,5 0 106,5

87 goldstein r. (2017) 86,5 2,16 63

88 mcgowan a.l. (2023) 88 1,49 77,5

89 castro n. (2020b) 89 1,41 80

90 avena-koenigsberger a. (2015) 90 1,04 87,5

91 xu q. (2021) 91 0,85 91

92 ovando-tellez m. (2022) 92 6,2 27

93 cosgrove a.l. (2021) 93,5 8,12 15

94 vitevitch m.s. (2021b) 93,5 0,49 100

95 he l. (2020) 95 7,8 18

96 siew c.s.q. (2017a) 96 1,83 70

97 stella m. (2021) 97 0,72 94

98 brandes u. (2013) 98 7,28 19

99 nguyen t.a.s. (2022) 99 0 106,5

100 siew c.s.q. (2019d) 100 2,33 59