1. Αρχική σελίδα
  2. Αναζήτηση

AI for AI: Using AI methods for classifying AI science documents

Το τεκμήριο παρέχεται από τον φορέα :
Εθνικό Κέντρο Τεκμηρίωσης και Ηλεκτρονικού Περιεχομένου (ΕΚΤ)   

Αποθετήριο :
Ιδρυματικό Αποθετήριο ΕΚΤ «Αριάδνη»  | αποθετήρια EKT   

δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*



AI for AI: Using AI methods for classifying AI science documents
Καραμπέκιος, Νικόλαος
Σαχίνη, Εύη
Christopoulos, Stefanos
Σιουμάλας-Χριστοδούλου, Κωνσταντίνος
Άρθρο σε επιστημονικό περιοδικό (EL)
Scientific journal article (EN)
2022-11-15
Subject area classification is an important first phase in the entire process involved in bibliometrics. In this paper, we explore the possibility of using automated algorithms for classifying scientific papers related to Artificial Intelligence at the document level. The current process is semi-manual and journal-based, a realisation that, we argue, opens up the potential for inaccuracies. To counter this, our proposed automated approach makes use of neural networks, specifically BERT. The classification accuracy of our model reaches 96.5%. In addition, the model was used for further classifying documents from 26 different subject areas from the Scopus database. Findings indicate that a significant subset of existing Computer Science, Decision Science and Mathematics publications could potentially be classified as AI-related. The same holds in particular cases in other science fields such as Medicine and Psychology or Arts and Humanities. The above indicate that in subject area classification processes, there is room for automatic approaches to be utilised in a complementary manner with traditional manual procedures. (EN)
Τεχνητή νοημοσύνη (EL)
Artificial Intelligence (EN)
Neural networks (EN)
Classification (EN)
Science (EN)
Article-level analysis (EN)
Artificial intelligence (EN)
Αγγλική γλώσσα
Quantitative Science Studies
Creative Commons Attribution 4.0 International (CC BY 4.0) license.
https://creativecommons.org/licenses/by/4.0/deed.el
© 2022 Evi Sachini, Konstantinos Sioumalas-Christodoulou, Stefanos Christopoulos, and Nikolaos Karampekios
Εθνικό Κέντρο Τεκμηρίωσης και Ηλεκτρονικού Περιεχομένου (ΕΚΤ)
Ιδρυματικό Αποθετήριο ΕΚΤ «Αριάδνη»
Εθνικό Κέντρο Τεκμηρίωσης και Ηλεκτρονικού Περιεχομένου (ΕΚΤ)
Επιστημονικές δημοσιεύσεις



*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.