sorangpntbТруды ГПНТБ СО РАНProceedings of SPSTL SB RAS2618-75152712-7915ГПНТБ СО РАН10.20913/2618-7575-2021-4-81-92sorangpntb-620Research ArticleБИБЛИОМЕТРИЯ, НАУКОМЕТРИЯ, ВЕБОМЕТРИКАBIBLIOMETRY, SCIENTOMETRICS, WEBOMETRICSАнализ публикаций по обработке естественного языка, индексированных в РИНЦAnalysis of publications on natural language processing indexed in RSCIСадовскаяЛ. Л.SadovskayaL. L.

Садовская Лариса Леонидовна, младший научный сотрудник, зав. отделом справочно-информационного обслуживания

Новосибирск

Sadovskaya Larisa Leonidovna, Junior Researcher, Head of the Department of Reference and Information Service

Novosibirsk

sadovskaya@gpntbsib.ruГосударственная публичная научно-техническая библиотека Сибирского отделения Российской академии наук (ГПНТБ СО РАН)РоссияState Public Scientific Technological Library of the Siberian Branch of the Russian Academy of Sciences (SPSTL SB RAS)Russian Federation202128022022048192Copyright © Садовская Л.Л., 20222022Садовская Л.Л.Sadovskaya L.L.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://proceedings.gpntbsib.ru/jour/article/view/620

Обработка естественного языка (ОЕЯ), определяемая как общее направление искусственного интеллекта и математической лингвистики, является важным инструментом для понимания и обработки гигантского объема неструктурированных данных. Представляя собой теоретическую и практическую основу для решения большого количества задач, ОЕЯ активно исследуется учеными всего мира, поскольку является одной из самых популярных областей науки о данных и применяется во многих сферах деятельности человека.Цель проведения библиометрического анализа: определить основные научные центры, тенденции исследований, рейтинг ведущих российских ученых в области ОЕЯ, а также показать картину распределения публикаций по тематическим полям. Результаты анализа позволят определить динамику развития области ОЕЯ в отечественной науке и предоставят ученым и специалистам, работающим в обозначенной научной области, актуальную информацию о различных аспектах рассматриваемого направления исследований.В качестве источника данных для поиска научных публикаций в области ОЕЯ использовалась база данных (БД) «Российский индекс научного цитирования» (РИНЦ) – основная наукометрическая база в нашей стране.Работа будет интересна исследователям в области ОЕЯ, поскольку содержит актуальные данные о динамике развития и структуре документально-информационного потока в области ОЕЯ в России, его распределения по отраслям знаний. Кроме того, проведенный библиометрический анализ документов позволяет получить информацию об авторах, наиболее продуктивно работающих в исследуемой области и их аффилиациях, а также о наиболее цитируемых статьях – это обзор 30 самых цитируемых публикаций российских ученых и топ-10 научных организаций Российской Федерации по количеству публикаций с отражением основных проблем и научных достижений в области ОЕЯ.

Natural Language Рrocessing (NLP), defined, as the general direction of artificial intelligence and mathematical linguistics, is an important tool for understanding and processing a gigantic amount of unstructured data.Representing theoretical and practical basis for solving a large number of problems, NLP is being actively studied by scientists around the world, since it is one of the most popular areas of data science and is used in many fields of human activity. The purpose of this bibliometric analysis is to identify the main research centers, research trends, the rating of leading Russian scientists in the field of NLP, as well as to show the picture of thematic fields’ distribution of publications. The results of the analysis will allow us to determine the dynamics of NLP field development in the domestic science and will provide scientists and specialists working in the field of NLP with up-to-date information on various aspects of the considered research area.Russian Science Citation Index (RSCI) – the main scientometric database in our country was used as the data source for scientific publications in the field of NLP search. The RSCI platform contains information on current research areas, allows you to assess the productivity of scientists, scientific communities, etc.The presented work will be interesting to researchers in the field of NLP, since it contains actual data on the development dynamics and structure of the documentary and information flow in the field of NLP in Russia, its distribution by branches of knowledge. Besides, the conducted bibliometric analysis of documents allows us to gain information about the authors most productively working in the studied area and their affiliations, as well as about the most cited articles – this is the review of the 30 most cited publications of Russian scientists and rating of TOP-10 scientific organizations of the Russian Federation by the number of publications reflecting the main problems and scientific achievements in the field of NLP.

обработка естественного языкаОЕЯбиблиометрический анализРИНЦnatural language processingNLPbibliometric analysisRSCIReferencesБольшакова Е. И., Клышинский Э. С., Ланде Д. Э., Носков А. А., Пескова О. В., Ягунова Е. В. Автоматическая обработка текстов на естественном языке и компьютерная лингвистика. Москва : Параграф, 1990. 160 с.Bolshakova E. I., Klyshinsky E. S., Lande D. E., Noskov A. A., Peskova O. V., Yagunova E. V. Avtomaticheskaya obrabotka tekstov na estestvennom yazyke i komp’yuternaya lingvistika [Automatic text processing in natural language and computational linguistics]. Moscow, Paragraph, 1990. 160 p. (In Russ.).Садовская Л. Л., Гуськов А. Е., Косяков Д. В., Мухамедиев Р. И. Обработка текстов на естественном языке: обзор публикаций // Искусственный интеллект и принятие решений. 2021. № 3. С. 66–86.Sadovskaya L. L., Guskov A. E., Kosyakov D. V., Mukhamediev R. I. Text processing in natural language: a review of publications. Iskusstvennyi intellekt i prinyatie reshenii, 2021, 3: 66–86. (In Russ.).Писляков В. В. Основные методы оценки научного знания по показателям цитирования // Социологический журнал. 2007. № 1. С. 128–140.Pislyakov V. V. Basic methods of evaluation of scientific knowledge by citation indicators. Sotsiologicheskii zhurnal, 2007, 1: 128–140. (In Russ.).Митренина О. В., Николаев И. С., Ландо Т. М. Прикладная и компьютерная лингвистика. Москва : URSS, 2016. 320 c.Mitrenina O .V., Nikolaev I. S., Lando T. M. Prikladnaya i komp’yuternaya lingvistika [Applied and computational linguistics]. Moscow, URSS, 2016. 320 p. (In Russ.).Яцко В. А. Предметная область компьютерной лингвистики // Вестник Иркутского государственного лингвистического университета. 2014. № 2. С. 24–35.Yatsko V. A. The subject area of computational linguistics. Vestnik Irkutskogo gosudarstvennogo lingvisticheskogo universiteta, 2014, 2: 24–35. (In Russ.).Боровикова О. И., Загорулько Ю. А., Загорулько Г. Б. , Кононенко И. С. , Соколова Е. Г. Разработка портала знаний по компью- терной лингвистике // КИИ-2008 : Одиннадцатая Нац. конф. по искусств. интеллекту с междунар. участием. Москва, 2008. С. 380–388.Borovikova O. I., Zagorulko, Yu. A., Zagorulko G. B., Kononenko I. S., Sokolova E. G. Development of a knowledge portal on computational linguistics. KII-2008: Odinnadtsataya Nats. konf. po iskusstv. intellektu s mezhdunar. uchastiem. Moscow, 2008: 380–388. (In Russ.).Нагель О. В. Корпусная лингвистика и ее использование в компьютеризированном языковом обучении // Язык и культура. 2008. № 4. С. 53–54.Nagel O. V. Corpus linguistics and its use in computerized language teaching. Yazyk i kul’tura, 2008, 4: 53–54. (In Russ.).Пруцков А. В., Розанов А. К. Методы морфологической обработки текстов // Прикаспийский журнал: управление и высокие технологии. 2014. № 3. С. 119–133.Prutskov A. V., Rozanov A. K. Methods of morphological text processing. Prikaspiiskii zhurnal: upravlenie i vysokie tekhnologii, 2014, 3: 119–133. (In Russ.).Пруцков А. В. Генерация и определения форм слов естественных языков на основе их последовательных преобразований // Вестник Рязанского государственного радиотехнического университета. 2009. № 27. С. 51–58.Prutskov A. V. Generation and definition of word forms of natural languages based on their successive transformations. Vestnik Ryazanskogo gosudarstvennogo radiotekhnicheskogo uiversiteta, 2009, 27: 51–58. (In Russ.).Solovyev V., Ivanov V. Knowledge-driven event extraction in Russian: corpus-based linguistic resources // Computational Intelligence and Neuroscience. 2016. Vol. 2016. Art. 4183760. DOI: 10.1155/2016/4183760.Solovyev V., Ivanov V. Knowledge–driven event extraction in Russian: corpus-based linguistic resources. Computational Intelligence and Neuroscience, 2016, 2016: 4183760. DOI: 10.1155/2016/4183760.Батура Т. В. Семантический анализ и способы представления смысла текста в компьютерной лингвистике // Программные продукты и системы. 2016. № 4. С. 45–57. DOI: 10.15827/0236-235X.116.045-057.Batura T. V. Semantic analysis and ways of representing the meaning of a text in computational linguistics. Programmnye produkty i sistemy, 2016, 4: 45–57. DOI: 10.15827/0236-235X.116.045-057. (In Russ.).Шарнин М. М., Сомин Н. В., Кузнецов И. П., Морозова Ю. И., Галина И. В., Козеренко Е. Б. Статистические механизмы формирования ассоциативных портретов предметных областей на основе естественно-языковых текстов больших объемов для систем извлечения знаний // Информатика и ее применения. 2013. Т. 7, № 2. С. 92–99.Sharnin M. M., Somin N. V., Kuznetsov I. P., Morozova Yu. I., Galina I. V., Kozerenko E. B. Statistical mechanisms for the formation of associative portraits of subject areas based on natural language texts of large volumes for knowledge extraction systems. Informatika i ee primeneniya, 2013, 7(2): 92–99. (In Russ.).Золотарев О. В., Козеренко Е. Б., Шарнин М. М. Принципы построения моделей бизнес-процессов предметной области на основе обработки текстов естественного языка // Вестник Российского нового университета. Серия: Сложные системы: модели, анализ и управление. 2014. № 4. С. 82–88.Zolotarev O. V., Kozerenko E. B., Sharnin M. M. Principles of building models of business processes in the subject area based on natural language text processing. Vestnik Rossiiskogo novogo universiteta. Seriya: Slozhnye sistemy: modeli, analiz i upravleniye, 2014, 4: 82–88. (In Russ.).Кулешов С. В., Зайцева А. А., Марков В. С. Ассоциативно-онтологический подход к обработке текстов на естественном языке // Интеллектуальные технологии на транспорте. 2015. № 4. С. 40–45.Kuleshov S. V., Zaitseva A. A., Markov V. S. Associative–ontological approach to text processing in natural language. Intellectual Technologies on Transport, 2015, 4: 40–45. (In Russ.).Власов Д. Ю., Пальчунов Д. Е., Степанов П. А. Автоматизация извлечения отношений между понятиями из текстов естественного языка // Вестник Новосибирского государственного университета. Серия: Информационные технологии. 2010. Т. 8, № 3. С. 23–33.Vlasov D. Yu., Palchunov D. E., Stepanov P. A. Automation of extraction of relations between concepts from natural language texts. Vestnik Novosibirskogo gosudarstvennogo universiteta. Seriya: Informatsionnye tekhnologii, 2010, 8(3): 23–33. (In Russ.).Lagutina K., Lagutina N., Boychuk E., Vorontsova I., Shlakhtina O., Balyarva O., Paramonov I., Demidov H. A survey on stylometric text features // 25th Conference of Open Innovations Association (FRUCT) (November 5-8, 2019). Helsinki, 2019. P. 184–195. DOI: 10.23919/FRUCT48121.2019.8981504.Lagutina K. Lagutina N., Boychuk E., Vorontsova I., Shlakhtina O., Balyarva O., Paramonov I., Demidov H. A survey on stylometric text features. 5th Conference of Open Innovations Association (FRUCT) (November 5-8, 2019). Helsinki, 2019: 184–195. DOI: 10.23919/FRUCT48121.2019.8981504.Горбушин Д. А., Гринченков Д. В., Мохов В. А., Хау Н. Ф. Системный анализ подходов к решению задачи идентификации тональности текста // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. 2016. № 2. С. 36–41.Gorbushin D. A., Grinchenkov D. V., Mokhov V. A., Khau N. F. System analysis of approaches to solving the problem of identifying the tonality of the text. Izvestiya vysshikh uchebnykh zavedenii. Severo–Kavkazskii region. Tekhnicheskie nauki, 2016, 2: 36–41. (In Russ.).Сарбасова А. Н. Исследование методов сентимент-анализа русскоязычных текстов // Молодой ученый. 2015. № 8. С. 143–146.Sarbasova A. N. Investigation of methods of sentimental analysis of Russian–language texts. Molodoy uchenyy, 2015, 8: 143–146. (In Russ.).Сулейманов Д. Ш., Гатиатуллин А. Р. Структурно-функциональная компьютерная модель татарских морфем. Казань : Фэн, 2003. 220 с.Suleimanov D. Sh., Gatiatullin A. R. Strukturno-funktsional’naya komp’yuternaya model’ tatarskikh morfem [Structural and functional computer model of Tatar morphemes]. Kazan’, Fen, 2003. 220 p. (In Russ.).Посевкин Р. В., Бессмертный И. А. Естественно-языковой пользовательский интерфейс диалоговой системы // Программные продукты и системы. 2016. № 3. С. 5–9.Posevkin R. V., Bessmertnyi I. A. Natural language user interface of a dialog system. Programmnye produkty i sistemy, 2016, 3: 5–9. (In Russ.).Яцко В. А. Алгоритмы и программы автоматической обработки текста // Вестник Иркутского государственного лингвистического университета. 2012. № 1. С. 150–160.Yatsko V. A. Algorithms and programs of automatic text processing. Vestnik Irkutskogo gosudarstvennogo lingvisticheskogo universiteta, 2012, 1: 150–160. (In Russ.).Варламов О. О., Лазарев В. М., Чувиков Д. А., Пунам Дж. О перспективах создания автономных интеллектуальных роботов на основе миварных технологий // Радиопромышленность. 2016. № 4. С. 96–105. DOI: 10.21778/2413-9599-2016-4-96-105.Varlamov O. O., Lazarev V. M., Chuvikov D. A., Punam D. On the prospects of creating autonomous intelligent robots based on mivar technologies. Radiopromyshlennost’, 2016, 4: 96–105. DOI: 10.21778/2413-9599-2016-4-96-105. (In Russ.).Varlamov O. O., Adamova L. E., Eliseev D. V., Mayboroda Yu. I., Antonov P. D., Sergushin G. S., Chibirova M. O. Mivar technologies in mathematical modeling of natural language, images and human speech understanding // International Journal of Advanced Studies. 2013. Т. 3, № 3. P. 17–23. DOI: 10.12731/2227-930X-2013-3-3.Varlamov O. O., Adamova L. E.., Eliseev D. V., Mayboroda Yu. I., Antonov P. D., Sergushin G. S., Chibirova M. O. Mivar technologies in mathematical modeling of natural language, images and human speech understanding. International Journal of Advanced Studies, 2013, 3(3): 17–23. DOI: 10.12731/2227-930X-2013-3-3.Loukachevitch N. V. Lashevich G., Gerasimova A. A., Ivanov V. V., Dobrov B. V. Creating Russian WordNet by conversion // Computational linguistics and intellectual technologies : pap. of annu. conf. “Dialogue 2016” (Moscow, June 1-4, 2016). Moscow, 2016. P. 405–415.Loukachevitch N. V., Lashevich G., Gerasimova A. A., Ivanov V. V., Dobrov B. V. Creating Russian WordNet by conversion. Computational linguistics and intellectual technologies: pap. of annu. conf. “Dialogue 2016” (Moscow, June 1-4, 2016). Moscow, 2016: 405–415.Loukachevitch N. V., Dobrov B. V., Chetviorkin I. I. RuThes–Lite, a publicly available version of thesaurus of Russian language RuThes // Компьютерная лингвистика и интеллектуальные технологии : по материалам ежегод. Междунар. конф. «Диалог 2014». Москва, 2014. С. 340–350.Loukachevitch N. V., Dobrov B. V., Chetviorkin I. I. RuThes–Lite, a publicly available version of thesaurus of Russian language RuThes. Komp’yuternaya lingvistika i intellektual’nye tekhnologii: po materialam ezhegod. Mezhdunar. konf. «Dialog 2014». Moscow, 2014: 340–349.Турдаков Д., Астраханцев Н., Недумов Я., Сысоев А., Андрианов И., Майоров В., Федоренко Д., Коршунов А., Кузнецов С. Texterra: инфраструктура для анализа текстов // Труды Института системного программирования РАН. 2014. Т. 26, № 1. С. 421–438. DOI: https://doi.org/10.15514/ISPRAS-2014-26(1)-18.Turdakov D. Astrakhantsev N., Nedumov Y., Sysoev A., Andrianov I., Mayorov V., Fedorenko D., Korshunov A., Kuznetsov S. Texterra: infrastructure for text analysis. Trudy Instituta sistemnogo programmirovaniya RAN, 2014, 26(1): 421–438. (In Russ.).Kuznetsov I. P., Kozerenko E. B., Charnine M. M. The System for extracting semantic information from natural language text // MLMTA’03 : proc. of Intern. conf. on machine learning, models, technologies a. applications (June 32-26, 2003). Las Vegas, 2003. P. 75–80.Kuznetsov I. P., Kozerenko E. B., Charnine M. M. The system for extracting semantic information from natural language text. MLMTA’03 : proc. of Intern. conf. on machine learning, models, technologies a. applications (June 32–26, 2003). Las Vegas, 2003: 75–80.Пруцков А. В. Морфологический анализ и синтез текстов посредством преобразований форм слов // Вестник Рязанской государственной радиотехнической академии. 2004. № 15. С. 70–75.Prutskov A. V. Morphological analysis and synthesis of texts by means of transformations of word forms. Vestnik Ryazanskoi gosudarstvennoi radiotekhnicheskoi akademii, 2004, 15: 70–75. (In Russ.).Anisimovich K. V., Druzhkin K. Ju., Minlos F. R., Petrova M. A., Selegey V. H., Zuev K. A. Syntactic and semantic parser based on ABBYY Compreno linguistic technologies // Компьютерная лингвистика и интеллектуальные технологии : по материалам ежегод. Междунар. конф. «Диалог 2012». Москва, 2012. С. 91–103.Anisimovich K. V., Druzhkin K. Ju., Minlos F. R., Petrova M. A., Selegey V. H., Zuev K. A. Syntactic and semantic parser based on ABBYY Compreno linguistic technologies. Komp’yuternaya lingvistika i intellektual’nye tekhnologii: po materialam ezhegod. Mezhdunar. konf. «Dialog 2012». Moscow, 2012: 91–103.Козлов П. Ю. Методы автоматизированного анализа коротких неструктурированных текстовых документов // Программные продукты и системы. 2017. № 1. С. 100–105.Kozlov P. Yu. Methods of automated analysis of short unstructured text documents. Programmnye produkty i sistemy, 2017, 1: 100–105. (In Russ.).Москвина А. Д., Орлова Д. Н., Митрофанова О. А. Разработка ядра синтаксического анализатора для русского языка на основе библиотек NLTK // Интернет и современное общество : тр. объедин. науч. конф. IMS-2016. Санкт-Петербург, 2016. С. 44–54.Moskvina A. D., Orlova D. N., Mitrofanova O. A. Development of a parser core for the Russian language based on NLTK libraries. Internet i sovremennoe obshchestvo: tr. ob”edin. nauch. konf. IMS-2016. Saint Petersburg, 2016: 44–54. (In Russ.).Ермаков А. Е. Извлечение знаний из текста и их обработка: состояние и перспективы // Информационные технологии. 2009. №. 7. С. 50–55.Ermakov A. E. Extraction of knowledge from the text and their processing: state and prospects. Informatsionnye tekhnologii, 2009, 7: 50–55. (In Russ.).Диковицкий В. В., Шишаев М. Г. Обработка текстов естественного языка в моделях поисковых систем // Труды Кольского научного центра РАН. 2010. № 3. С. 29–34.Dikovitsky V. V., Shishaev M. G. Processing texts in natural language models search engines. Trudy Kol’skogo nauchnogo tsentra RAN, 2010, 3: 29–34. (In Russ.).Максимов В. Ю., Клышинский Э. С., Антонов Н. В. Проблема понимания в системах искусственного интеллекта // Новые информационные технологии в автоматизированных системах. 2016. № 19. С. 43–60.Maximov V. Yu., Klyshinski E. S., Antonov N. V. The problem of understanding artificial intelligence systems. Novye informatsionnye tekhnologii v avtomatizirovannykh sistemakh, 2016, 19: 43–60. (In Russ.).Liddy E. D. Natural language processing // Encyclopedia of library and information science. New York, 2003. P. 2126–2136.Liddy E. D. Natural language processing. Encyclopedia of library and information science. New York, 2003: 2126–2136.Сулейманов Д. Ш. Системы и информационные технологии обработки естественно–языковых текстов на основе прагматически-ориентированных лингвистических моделей : автореф. дис. … д-ра техн. наук : 05.13.14. Казань, 2000. 43 с.Suleimanov D. Sh. Sistemy i informatsionnye tekhnologii obrabotki estestvenno-yazykovykh tekstov na osnove pragmaticheski-orientirovannykh lingvisticheskikh modelei: avtoref. dis. … d-ra tekhn. nauk [Systems and information technologies for processing natural language texts based on pragmatically oriented linguistic models: diss. abstr.]. Kazan’, 2000. 43 p. (In Russ.).

The authors declare that there are no conflicts of interest present.