OpenAlex: A fully-open index of scholarly works, authors, venues, institutions, and concepts

Motivation

• Known: Microsoft Academic Graph (MAG)가 학술 메타데이터의 주요 무료 자원이었으나 2022년 1월 서비스 종료되었고, 기존의 OpenCitations, Semantic Scholar 등 부분 개방형 SKG들이 존재했다.
• Gap: MAG 종료로 인한 학술 메타데이터 접근성 공백이 발생했으며, 기존 시스템들이 완전한 개방성(데이터, API, 코드)을 동시에 제공하지 못하고 있었다.
• Why: 완전 개방형 학술 메타데이터는 연구 평가의 투명성 향상, 학술 자원의 민주적 접근, 오픈 사이언스 인프라 구축에 필수적이다.
• Approach: MAG를 기반으로 하면서도 완전 개방형 구조를 채택하여, Crossref, PubMed, arXiv 등 다양한 소스에서 데이터를 수집하고, 규칙 기반 및 머신러닝 기반 알고리즘으로 엔티티 파싱, 정규화, 중복 제거를 수행한다.

Achievement

Figure 1: Sketch of the OpenAlex graph data model.

• 완전 개방형 인프라 구축: 100% 오픈 데이터, 제한 없는 REST API, 오픈 소스 코드로 제공하며 Open Scholarly Infrastructure 원칙 준수
• 대규모 학술 지식 그래프 구성: 209M개 works, 213M명 authors, 124K개 venues, 109K개 institutions, 65K개 concepts를 포함한 종합 메타데이터 데이터베이스
• 다중 식별자 지원: 각 엔티티 타입별 표준 ID(DOI, ORCID, ISSN-L, ROR, Wikidata) 할당으로 상호운용성 극대화
• 정교한 엔티티 매칭: 저자 명확화(disambiguation), 기관 파싱, 문서 버전 추적 등을 위한 머신러닝 알고리즘 개발

How

• Crossref, PubMed, arXiv, 기관 저장소 등 다양한 소스에서 구조화/비구조화 메타데이터 수집
• 규칙 기반 및 머신러닝 2단계 알고리즘으로 기관 소속 문자열 추출 및 정규화
• MAG에서 학습된 분류기로 논문 제목과 초록으로부터 개념 자동 할당 (85% 적용률)
• 지문(fingerprinting) 알고리즘으로 preprint, VoR 등 다중 버전 문서 매칭 및 식별
• 영구적 OpenAlex ID를 웹 기반 URL로 제공하여 HTML/JSON 양식 접근 지원

Originality

• MAG 종료 후 완전한 오픈 기반의 첫 번째 상용급 학술 지식 그래프 제공
• 기존 SKG들과 달리 데이터, API, 소스코드 모두 100% 개방하는 차별화된 모델
• 다양한 소스의 이질적 메타데이터를 통합하는 포괄적 엔티티 매칭 파이프라인
• Wikidata 기반 계층적 개념 구조로 표준화된 의미론적 표현

Limitation & Further Study

• 엔티티 정확성 미검증: 저자 및 기관 파싱/정규화 정확도가 미흡하며 고위험 평가 맥락에서의 신뢰성 부족
• 메타데이터 누락: 자금 출처(funding sources), 교신저자(corresponding authors) 정보 미포함
• 비교 연구 부재: 타 도구와의 정확성/완전성 비교 검증 필요
• 초기 단계의 제한: 프로젝트 초창기로 데이터 품질 개선 및 대규모 검증 작업 필요
• 후속 연구: 엔티티 정확도 개선, 결측 메타데이터 추가, 대규모 정확성 벤치마킹, 신뢰도 평가 체계 수립

Evaluation

총평: OpenAlex는 MAG 종료로 인한 학술 인프라 공백을 메우면서 완전 개방형 모델을 제시한 중요한 프로젝트로, 규모와 개방성 측면에서 획기적이나 초기 단계로 엔티티 정확도 및 데이터 완전성 개선이 시급하다.