연구 논문, 저자, 기관은 여러 데이터베이스에 흩어진 계량서지 데이터를 가진 복잡한 엔터티입니다. Entity Enricher를 사용하면 인용 횟수, h-지수 값, 소속 기관, 방법론 세부 정보, 자금 출처에 대한 맞춤 스키마를 정의할 수 있으며, 이 모든 것이 여러 AI 모델에 의해 강화되고 교차 검증됩니다.
계량서지 데이터는 PubMed, Scopus, Web of Science, Google Scholar, 기관 리포지토리에 분산되어 있습니다. 인용 수는 인덱스마다 다르고, 저자 소속은 시간이 지나면서 바뀌며, 메타데이터 품질도 일관되지 않습니다. 수작업 집계는 특히 체계적 문헌 고찰이나 연구 지형 분석에서 번거롭고 오류가 발생하기 쉽습니다.
Entity Enricher의 접근 방식은 이 과제에 특히 적합합니다. 여러 LLM이 각기 다른 학습 데이터와 지식을 제공하여 더 풍부한 커버리지를 만들어냅니다. 이후 다중 모델 융합이 차이를 조정합니다. 두 모델이 서로 다른 인용 수를 보고하면 중앙값이 자동으로 선택되거나, 중재 모델이 어떤 출처가 가장 신뢰할 수 있는지 추론할 수 있습니다.
분석에 필요한 계량서지학 및 방법론 필드를 정확하게 정의합니다. AI 스키마 생성을 사용하여 샘플 출판 레코드에서 이 스키마를 만드세요.
{
"name": "ResearchEntity",
"properties": {
"title": { "type": "string", "is_key": true },
"authors": {
"type": "array",
"items": {
"type": "object",
"properties": {
"name": { "type": "string" },
"affiliation": { "type": "string" },
"orcid": { "type": "string" },
"h_index": { "type": "number" }
}
}
},
"doi": { "type": "string" },
"publication_year": { "type": "number" },
"journal": { "type": "string" },
"impact_factor": { "type": "number" },
"citation_count": { "type": "number" },
"abstract_summary": { "type": "string" },
"methodology": {
"type": "object",
"properties": {
"study_type": { "type": "string" },
"sample_size": { "type": "number" },
"statistical_methods": { "type": "array" },
"peer_reviewed": { "type": "boolean" }
}
},
"keywords": { "type": "array", "items": { "type": "string" } },
"funding_sources": {
"type": "array",
"items": {
"type": "object",
"properties": {
"funder": { "type": "string" },
"grant_id": { "type": "string" }
}
}
}
}
}서지 정보 데이터를 방법론 및 기관 정보와 분리하면 각 expertise domain이 집중된 prompt를 받게 되어 더 정확한 enrichment로 이어집니다.
| 필드 | expertise | 설명 |
|---|---|---|
| title | 일반 | 전체 발행물 제목 및 대체 제목 |
| authors | 계량서지 | 저자 이름, 소속, ORCID ID 및 h-index 값 |
| citation_count | 계량서지 | 주요 인덱스의 총 인용 수 |
| impact_factor | 계량서지 | 게재 당시 저널 임팩트 팩터 |
| methodology | 방법론 | 연구 설계, 표본 크기 및 사용된 통계 방법 |
| keywords | 일반 | MeSH 용어, 저자 키워드 및 classification 코드 |
| funding_sources | 기관 | 자금 지원 기관, 보조금 번호 및 금액 |
| abstract_summary | 일반 | 연구 결과의 간결한 요약 |
계량서지학 데이터, 방법론, 기관 정보에 대한 필드를 정의합니다. 샘플 출판 레코드를 붙여넣고 AI가 스키마를 생성하도록 하세요.
논문 제목, DOI 또는 저자 이름을 입력하세요. 배치 모드를 사용하여 읽기 목록이나 체계적 문헌고찰 후보 세트를 처리합니다.
여러 LLM이 각 출판물을 독립적으로 조사하며, 서로 다른 학습 데이터를 활용해 인용 데이터베이스와 기관 레코드를 더 넓게 포괄합니다.
구조화된 계량서지 데이터를 프로그래밍 방식 분석용 JSON 또는 수동 검토 및 주석용 Excel로 다운로드합니다.
선별 및 적격성 평가를 위해 후보 논문을 방법론 세부 정보, 표본 크기, 품질 지표로 보강합니다.
연구 도메인이나 치료 영역 전반의 출판 동향, 협업 네트워크, 자금 지원 패턴을 매핑합니다.
채용 또는 파트너십 결정을 위해 연구자 프로필을 h-지수, 소속 기관 이력, 연구비 지원, 협업 네트워크로 보강합니다.
연구 분야의 자금 출처, 지원금 규모, 지원받은 주제를 파악하여 보조금 전략에 활용하세요.
계량서지학 스키마를 정의하고, 여러 AI 모델로 교차 검증하며, 체계적 문헌 고찰과 지형 분석을 위한 구조화된 연구 인텔리전스를 확보하세요.
무료로 시작하기