@misc{YuekselErguenLitzelPeng2024, author = {Yueksel-Erguen, Inci and Litzel, Ida and Peng, Hanqiu}, title = {Integrating Large Citation Datasets}, issn = {1438-0064}, url = {http://nbn-resolving.de/urn:nbn:de:0297-zib-98033}, year = {2024}, abstract = {This paper explores methods for building a comprehensive citation graph using big data techniques to evaluate scientific impact more accurately. Traditional citation metrics have limitations, and this work investigates merging large citation datasets to create a more accurate picture. Challenges of big data, like inconsistent data formats and lack of unique identifiers, are addressed through deduplication efforts, resulting in a streamlined and reliable merged dataset with over 119 million records and 1.4 billion citations. We demonstrate that merging large citation datasets builds a more accurate citation graph facilitating a more robust evaluation of scientific impact.}, language = {en} } @misc{VuLitzelKoch2025, author = {Vu, Thi Huong and Litzel, Ida and Koch, Thorsten}, title = {Similarity-based fuzzy clustering scientific articles: potentials and challenges from mathematical and computational perspectives}, arxiv = {http://arxiv.org/abs/2506.04045}, year = {2025}, abstract = {Fuzzy clustering, which allows an article to belong to multiple clusters with soft membership degrees, plays a vital role in analyzing publication data. This problem can be formulated as a constrained optimization model, where the goal is to minimize the discrepancy between the similarity observed from data and the similarity derived from a predicted distribution. While this approach benefits from leveraging state-of-the-art optimization algorithms, tailoring them to work with real, massive databases like OpenAlex or Web of Science -- containing about 70 million articles and a billion citations -- poses significant challenges. We analyze potentials and challenges of the approach from both mathematical and computational perspectives. Among other things, second-order optimality conditions are established, providing new theoretical insights, and practical solution methods are proposed by exploiting the problem's structure. Specifically, we accelerate the gradient projection method using GPU-based parallel computing to efficiently handle large-scale data.}, language = {en} } @misc{KochGriebelSoellneretal.2016, author = {Koch, Thorsten and Griebel, Rolf and S{\"o}llner, Konstanze and Christof, J{\"u}rgen and Bertelmann, Roland}, title = {DeepGreen - Entwicklung eines rechtssicheren Workflows zur effizienten Umsetzung der Open-Access-Komponente in den Allianz-Lizenzen f{\"u}r die Wissenschaft}, issn = {1438-0064}, url = {http://nbn-resolving.de/urn:nbn:de:0297-zib-56799}, pages = {22}, year = {2016}, abstract = {In Deutschland wurden 2011 wichtige Akzente f{\"u}r die Umsetzung des Gr{\"u}nen Wegs der Open-Access-Bewegung gesetzt: Mit finanzieller Unterst{\"u}tzung der Deutschen Forschungsgemeinschaft (DFG) haben Bibliotheken sogenannte Allianz-Lizenzen mit Verlagen verhandelt, in denen weitreichende Rechte hinsichtlich der Open-Access-Archivierung verankert sind. Autorinnen und Autoren zugriffsberechtigter Einrichtungen k{\"o}nnen ihre Artikel, die in diesen lizenzierten Zeitschriften erschienen sind, ohne oder mit nur kurzer Embargofrist in geeigneten Repositorien ihrer Wahl frei zug{\"a}nglich machen. Allerdings macht der Kreis berechtigter Autorinnen und Autoren nur sehr z{\"o}gerlich von seinen Open-Access-Rechten Gebrauch. Auch die Bibliotheken - als Betreiber der Repositorien und damit Vertreter f{\"u}r die berechtigten Autorinnen und Autoren - nutzen dieses Recht nur unzureichend. Mit DeepGreen verfolgen die Antragssteller das Ziel, einen Großteil jener Publikationen, die unter den speziell im DFG-gef{\"o}rderten Kontext verhandelten Bedingungen gr{\"u}n online gehen d{\"u}rften, auch tats{\"a}chlich online abrufbar zu machen. Im Rahmen des Projektes wird prototypisch mit Allianzverlagen und berechtigten Bibliotheken ein m{\"o}glichst stark automatisierter Workflow entwickelt, in dem rechtssichere Verlagsdaten inklusive der Volltexte abgeliefert und von Repositorien eingespielt werden. Ein technischer Baustein ist dabei ein intermedi{\"a}res Repositorium, das als Datenverteiler dient. Das nationale Projektkonsortium besteht aus den zwei Bibliotheksverb{\"u}nden Kooperativer Bibliotheksverbund Berlin-Brandenburg (KOBV) und Bibliotheksverbund Bayern (BVB), den zwei Universit{\"a}tsbibliotheken der Friedrich-Alexander-Universit{\"a}t Erlangen-N{\"u}rnberg (FAU) und der Technische Universit{\"a}t Berlin (TU Berlin), zus{\"a}tzlich die Bayerische Staatsbibliothek (BSB) und eine außeruniversit{\"a}re Forschungseinrichtung - das Helmholtz Open Science Koordinationsb{\"u}ro am Deutschen GeoForschungsZentrum (GFZ). Das Projekt startet zum 01. Januar 2016. Hier vorliegend finden Sie den Projektantrag zum Nachlesen.}, language = {de} } @misc{BertelmannKochCeynowaetal.2022, author = {Bertelmann, Roland and Koch, Thorsten and Ceynowa, Klaus and S{\"o}llner, Konstanze and Christof, J{\"u}rgen and Rusch, Beate and Sch{\"a}ffler, Hildegard and Putnings, Markus and Pampel, Heinz and Kuberek, Monika and Boltze, Julia and Lohrum, Stefan and Retter, Regina and H{\"o}llerl, Annika and Faensen, Katja and Steffen, Ronald and Gross, Matthias and Hoffmann, Cornelia and Haoua, Marsa}, title = {DeepGreen: Etablierung und Weiterentwicklung rechtssicherer Workflows zur effizienten Umsetzung von Open-Access-Komponenten in Lizenzvereinbarungen f{\"u}r wissenschaftliche Publikationen - Abschlussbericht}, issn = {1438-0064}, doi = {10.12752/8542}, url = {http://nbn-resolving.de/urn:nbn:de:0297-zib-85420}, year = {2022}, abstract = {DeepGreen wurde vom 01.08.2018 bis zum 30.06.2021 in einer zweiten Projektphase von der Deutschen Forschungsgemeinschaft (DFG) gef{\"o}rdert. DeepGreen unterst{\"u}tzt Bibliotheken als Dienstleister f{\"u}r Hochschulen, außeruniversit{\"a}re Forschungseinrichtungen und die dort t{\"a}tigen Wissenschaftler:innen dabei, Publikationen auf Open-Access-Repositorien frei zug{\"a}nglich zu machen und f{\"o}rdert das Zusammenspiel von wissenschaftlichen Einrichtungen und Verlagen. An der zweiten Projektphase waren der Kooperative Bibliotheksverbund Berlin-Brandenburg, die Bayerische Staatsbibliothek, der Bibliotheksverbund Bayern, die Universit{\"a}tsbibliotheken der Friedrich-Alexander-Universit{\"a}t Erlangen-N{\"u}rnberg und der Technischen Universit{\"a}t Berlin und das Helmholtz Open Science Office beteiligt. In dem Projekt wurde erfolgreich eine technische und organisatorische L{\"o}sung zur automatisierten Verteilung von Artikeldaten wissenschaftlicher Verlage an institutionelle und fachliche Repositorien entwickelt. In der zweiten Projektphase lag der Fokus auf der Erprobung der Datendrehscheibe in der Praxis und der Ausweitung auf weitere Datenabnehmer und weitere Verlage. Im Anschluss an die DFG-gef{\"o}rderte Projektlaufzeit ist DeepGreen in einen zweij{\"a}hrigen Pilotbetrieb {\"u}bergegangen. Ziel des Pilotbetriebs ist es, den {\"U}bergang in einen bundesweiten Real-Betrieb vorzubereiten.}, language = {de} }