Automatic recommender algorithm of reviewers using machine learning

Abstract

어떤 학술단체의 학술지에 소속된 연구자가 논문을 투고하는 경우 관련된 연구전문가들의 심사를 받고 게재여부가 판가름된다. 이때 학술지 책임자(편집위원장) 입장에서는 심사위원들의 전공 pool을 참고하여 주관적으로 심사위원을 배정하게 되는데, 이에 대한 배정이 연구주제와 관련하여 제대로 배정이 되었는지 타당성 문제가 발생하는 경우가 많다. 왜냐하면, 연구자들의 세부전공 분야는 끊임없이 변화하기 때문에 초기 입력된 전공 pool 정보만으로는 정확한 심사 배정에 한계를 가지게 된다. 본 연구에서는 이와 같은 심사위원 배정 혹은 평가위원 배정 문제를 머신러닝 기법을 활용하여 관련 연구자들의 연구주제 그룹 pool을 새롭게 생성하고 이로부터 무작위 배정을 자동으로 실행하는 심사위원 자동추천 알고리즘을 제안하고자 한다. 여기서 제안하는 자동추천 알고리즘 타당성을 확인하기 위해서 머신러닝 기법 중 비지도 학습알고리즘인 k-평균 군집방법을 이용하여 문서를 군집화하고, 그 결과를 이용하여 군집 소속정보를 원 데이터에 라벨링(labelling)하였다. 그다음 단계로 라벨링된 데이터를 텍스트분류에 많이 사용하는 나이브베이즈방법을 이용하여 문서(논문제목) 분류 모형을 개발하였으며, 평가용 데이터에 적용해본 결과 1.1%의 오분류을 보여주었다.In case of submitting someone’s manuscript, accepting for publication depends on peer reviewers’ decisions. The Editor of jounal chooses the related reviewers with considering their major fields. However, in this process, validation of allocating reviewers is often a problem because researcher’s major fields are changing in time. In this study, we propose the automatic recommender system of reviewers using machine learning techniques. To confirm the validity of our recommender system, first we cluster the documents using k-means clustering and then labelled the cluster information to the raw data. After labelling, we develop the text(thesis’ title) classification model using the naive bayes method. As a result of adopting our model to validation set, we found the misclassification error was 1.1%.