Эффективные ключевые слова: стратегии формулирования

Введение. Ключевые слова, отражая основное содержание статьи, играют крайне важную роль в поиске научных работ в базах данных. Кроме того, ключевые слова вместе с заголовком и аннотацией дают первичную информацию об исследовании. Выбор эффективных ключевых слов - трудоемкий процесс, поэтому его оптимизация требует дальнейшего изучения.

Цель. Познакомить авторов журнала со способами извлечения и возможностями оптимизации ключевых слов.

Результаты. Анализируются феномен «оптимизации ключевых слов», стратегии отбора ключевых слов, нацеленные на увеличение видимости статьи. Комментируются преимущества оптимизации подбора ключевых слов. Рассматриваются этапы процесса оптимизации ключевых слов. Особое внимание уделяется аспектам, которые необходимо анализировать на этапе оптимизации ключевых слов. Описываются возможности использования платформ и инструментов для подбора ключевых слов. Объясняются факторы, влияющие на критерии отбора ключевых слов. Комментируются подходы к определению типичных ошибок при подборе ключевых слов.

Применение полученных результатов. Примеры инструментов для подбора ключевых слов, представленные в данной редакторской статье, помогут авторам оптимизировать ключевые слова своих исследовательских статей для продвижения в наукометрических базах данных и повышения цитируемости их работ. Описанные стратегии по подбору ключевых слов призваны помочь авторам в оптимизации метаданных, в том числе и в контексте поисковой оптимизации.

1. Дубинина, Е. Ю. (2020). Выделение ключевых слов текста научной статьи в процессе создания автоматического реферата. Вестник ВГУ. Серия: Филология. Журналистика, 1, 26-28.

2. AlRyalat, S.A., Malkawi, L.W., Momani, S.M. Comparing Bibliometric Analysis Using PubMed, Scopus, and Web of Science Databases. Journal of Visualized Experiments, (152), e58494. https://doi.org/10.3791/58494 (2019).

3. Chen, Y.-N., & Ke, H.-R. (2014). A study on mental models of taggers and experts for article indexing based on analysis of keyword usage. Journal of the Association for Information Science and Technology, 65(8), 1675–1694. https://doi.org/10.1002/asi.23077

4. Ghanbarpour, A., & Naderi, H. (2019). A model-based method to improve the quality of ranking in keyword search systems using pseudo-relevance feedback. Journal of Information Science, 45(4), 473–487.

5. Gbur, E. E., & Trumbo, B. (1995). Key words and phrases – the key to scholarly visibility and efficiency in an information explosion. The American Statistician, 49(1), 29–33.

6. Gu, Y. J., & Xia, T. (2014). Study on keyword extraction with LDA and TextRank combination. Data Analysis and Knowledge Discovery, 30(7), 41–47. https://doi.org/10.11925/infotech.1003-3513.2014.07.06

7. Hu, J., & Zhang, Y. (2015). Research patterns and trends of Recommendation System in China using co-word analysis. Information Processing & Management, 51(4), 329–339.

8. Li, J. Z., Fan, Q. N., and Zhang, K. (2007). Keyword extraction based on tf/idf for Chinese news document. Wuhan University Journal of Natural Sciences, 12(5), 917–921.

9. Li, Y. P., Jin, C., & Ji, J. C. (2015). A keyword extraction algorithm based on Word2vec. e-Science Technology & Application, 6(4), 54–59.

10. Lu, W., Liu, Zh., Huang, Y., Bu, Y., Li, X., & Cheng, Q. (2020). How do authors select keywords? A preliminary study of author keyword selection behavior. Journal of Informetrics, 14(4), 101066, https://doi.org/10.1016/j.joi.2020.101066

11. Luo, Y., Zhao, S. L., Li, X. C., Han, Y. H., & Ding, Y. F. (2016). Text keyword extraction method based on word frequency statistics. Journal of Computer Applications, 36(3), 718–725, 2016. https://doi.org/10.11772/j.issn.1001-9081.2016.03.718

12. Miller, G. A. (1995). WordNet: A lexical database for English. Communications of the ACM 38(11), 39–41. https://doi.org/10.1145/219717.219748

13. Olmeda-Gómez, C., Ovalle-Perandones, M. A., & Perianes-Rodríguez, A. (2017). Co-word analysis and thematic landscapes in Spanish information science literature, 1985–2014. Scientometrics, 113(1), 195–217.

14. Tripathi, M., Kumar, S., Sonker, S. K., & Babbar, P. (2018). Occurrence of author keywords and keywords plus in social sciences and humanities research: A preliminary study. COLLNET Journal of Scientometrics and Information Management, 12(2), 215–232.

15. Uddin, S., & Khan, A. (2016). The impact of author-selected keywords on citation counts. Journal of Informetrics, 10(4), 1166–1177.

16. Wang, J., Liu, J., & Wang, C. (2007). Keyword extraction based on PageRank. In ZH. Zhou, H. Li, Q. Yang (Eds.) Advances in Knowledge Discovery and Data Mining. PAKDD 2007. Lecture Notes in Computer Science, 4426, (pp. 857-864). Springer. https://doi.org/10.1007/978-3-540-71701-0_95

17. Xiong, A., Liu, D., Tian, H., Liu, Z., Yu, P., & Kadoch, M. (2021). News keyword extraction algorithm based on semantic clustering and word graph model. Tsinghua Science and Technology, 26(6), 886-893. https://doi.org/10.26599/TST.2020.9010051

18. Zhang, J., Yu, Q., Zheng, F., Long, Ch., Lu, Z., & Duan, Z. (2016). Comparing Keywords plus of WOS and Author Keywords: A Case Study of Patient Adherence Research. Journal of the Association for Information Science and Technology, 67(4), 967–72.