ROR API chuẩn hóa tổ chức: ghép affiliation và ca không ghép

ROR API chuẩn hóa tổ chức là việc đưa chuỗi tên đơn vị thô, như dòng affiliation dưới tên tác giả, về một mã định danh ROR duy nhất cho mỗi tổ chức. Phần khó không phải là gọi API mà là biết lúc nào được tự ghép và lúc nào phải dừng lại cho người xem. ProxyVN gửi 14 chuỗi affiliation thật và chuỗi thử tới ROR API v2, rồi ghi lại từng ứng viên. Bộ chuỗi có tên trường Việt Nam viết có dấu, không dấu, viết tắt, chuỗi có hai tổ chức và một công ty không có trong ROR.

ROR API chuẩn hóa tổ chức: mục tiêu và phạm vi không lặp

Phần này chốt bài toán, đầu ra và ranh giới với bài ORCID.

Bài toán cần giải

Một phòng khoa học muốn đếm công bố theo trường đối tác. Dữ liệu affiliation lấy từ metadata bài báo và dataset, mỗi nơi viết tên một kiểu. Cùng một trường có thể xuất hiện dưới năm cách ghi. Đếm theo chuỗi thì mỗi cách ghi thành một trường. Ghép sai thì công bố của trường này bị tính cho trường khác.

Đầu ra nghiệm thu

Đầu ra là bảng gồm chuỗi tên thô, chuỗi đã gửi, ROR ID được chọn nếu có, các ứng viên kèm điểm, kiểu khớp, quốc gia, thành phố, loại tổ chức và quan hệ cha con. Mỗi dòng có quyết định: tự ghép, cần người xem, hoặc không có ứng viên. Bảng phải có ca không đủ bằng chứng để ghép.

Ranh giới với bài ORCID

Bài ORCID nói về hồ sơ cá nhân nhà nghiên cứu và nguồn khai của từng mục. Bài này chỉ nói về tổ chức. Không ghép tác giả, không ghép DOI. Chuỗi affiliation đầu vào có thể lấy từ bất cứ nguồn nào, kể cả từ hồ sơ ORCID hay bản ghi DataCite.

Không dùng điểm để tự chọn

Bài không đưa ra ngưỡng điểm để tự ghép. Tài liệu ROR khuyên không dùng điểm tin cậy để chọn kết quả, mà dùng cờ chosen. Lab cho thấy lý do: nhiều ứng viên sai cũng có điểm 1.0.

Giới hạn của lab

Lab gọi api.ror.org/v2/organizations ngày 05/11/2026, 16 lượt, cách nhau 2 giây, không gửi Client-Id. Kết quả của dịch vụ ghép có thể thay đổi khi dữ liệu ROR được cập nhật hoặc thuật toán đổi. Mọi ROR ID trong bài là kết quả lab nhận được ngày đó.

Ai nên đọc

Người làm thống kê khoa học, thư viện hay hệ thống thông tin nghiên cứu cần chuẩn hóa đơn vị. Người viết pipeline metadata cần thêm ROR ID cho affiliation. Người làm việc với dữ liệu có tên trường Việt Nam.

Ghép tên tổ chức với ROR bằng API và kiểm tra confidence ứng viên trong ROR API chuẩn hóa tổ chức

Phần này tóm tắt tài liệu chính thức về các cách tìm và ghép.

Ba tham số tìm

Tài liệu REST API của ROR nêu endpoint api.ror.org/v2/organizations với ba cách tìm. Tham số query hợp cho tìm theo từ khóa tên và cho biểu mẫu người dùng. Tham số query.advanced hợp cho tìm theo ngày, tên miền, quan hệ. Tham số affiliation hợp cho ghép hàng loạt các chuỗi phức tạp, không có cấu trúc.

Tham số affiliation

Tài liệu về tham số affiliation nói dịch vụ tìm bản ghi ROR đang hoạt động có khả năng khớp nhất với chuỗi. Nếu tìm được ứng viên đủ tin, nó trả đúng một kết quả có chosen là true. Không phải chuỗi nào cũng có kết quả chosen.

Note that we do not recommend using the confidence score to select matches; use the chosen:true indicator instead. (ROR documentation)

Không lọc, không phân trang

Tài liệu nói tham số affiliation không nhận bộ lọc và không phân trang. Nếu gắn cú pháp lọc vào cuối, phần đó bị coi là một phần của chuỗi affiliation. Kết quả xếp theo điểm tin cậy giảm dần. Chuỗi phải mã hóa URL, không cần đặt trong ngoặc kép.

Không cách ghép nào luôn đúng

Tài liệu nói thẳng rằng không cách ghép tự động quy mô lớn nào luôn đúng, vì có nhiều tên và từ viết tắt giống nhau giữa các tổ chức trên thế giới. Dịch vụ có thể không đề xuất được kết quả, và có lúc đề xuất sai. Đó là lý do bảng đầu ra phải có cột cần người xem.

Chỉ trả bản ghi đang hoạt động

Theo tài liệu, tham số affiliation chỉ trả bản ghi có trạng thái active. Từ tháng 12/2022, API mặc định chỉ trả bản ghi active, muốn có bản ghi inactive hay withdrawn phải dùng tham số all_status với query. Tổ chức đã giải thể sẽ không được ghép qua affiliation.

Kiểu khớp

Mỗi ứng viên có matching_type cho biết cách dịch vụ đã khớp. Mọi ứng viên trong lab đều có kiểu SINGLE SEARCH, đúng như ví dụ trong tài liệu. Ghi trường này vào bảng để khi thuật toán thay đổi, có thể so kết quả cũ và mới theo kiểu khớp.

Client-Id không phải bí mật

Trang Client ID ghi rằng mã này không dùng để xác thực hay phân quyền, không phải bí mật và có thể gửi dạng văn bản thường. Nó chỉ giúp ROR phân biệt người dùng API và liên hệ khi request có lỗi. Đăng ký chỉ cần một địa chỉ email.

Hạn mức và Client-Id

Tài liệu REST API ghi hạn mức 2000 request mỗi 5 phút theo địa chỉ IP. Trang về Client ID mô tả kế hoạch: request có Client-Id được 2000 request mỗi 5 phút, request không có chỉ được 50. Trang này đồng thời ghi việc đăng ký Client ID đang tạm dừng và hiện chưa áp hạn mức theo Client-Id.

Giới hạn số kết quả

Tài liệu ghi API trả tối đa 10000 kết quả cho một truy vấn, nên không lấy được toàn bộ hơn 120000 bản ghi qua API. Ai cần cả bộ dữ liệu thì tải bản data dump. Với ghép affiliation từng chuỗi, giới hạn này không ảnh hưởng.

Chuẩn hóa tên affiliation đầu vào nhưng giữ chuỗi gốc trong ROR API chuẩn hóa tổ chức

Phần này nói phải làm gì với chuỗi trước khi gửi.

Chuẩn hóa nhẹ

Chuỗi thô và chuỗi gửi

Lab chỉ làm hai việc với chuỗi: đưa Unicode về dạng NFC và gộp khoảng trắng thừa. Không bỏ dấu, không đổi chữ hoa thường, không xóa dấu câu. Tài liệu nói tham số affiliation được thiết kế để xử lý dấu câu và ký tự đặc biệt, nên không cần làm sạch thêm.

def light_norm(s):
    return re.sub(r"\s+", " ", unicodedata.normalize("NFC", s)).strip()
 
r = S.get("https://api.ror.org/v2/organizations",
          params={"affiliation": light_norm(raw)}, timeout=30)
items = r.json()["items"]
chosen = [i for i in items if i.get("chosen")]

Vì sao dùng NFC

Chữ tiếng Việt có thể được lưu ở dạng dựng sẵn hoặc dạng tổ hợp, nhìn giống nhau nhưng khác byte. Hai chuỗi Đại học Bách khoa ở hai dạng sẽ thành hai khóa khác nhau trong bảng. NFC đưa cả hai về một dạng, để cùng một chuỗi luôn cho cùng một lượt gọi và cùng một khóa lưu.

Giữ chuỗi gốc

Bảng đầu ra có hai cột: raw là chuỗi như lấy được từ nguồn, sent là chuỗi đã gửi. Khi có tranh cãi về một dòng ghép, người xem đọc chuỗi gốc. Mọi thống kê về sau vẫn truy được về đúng chuỗi trong metadata.

Mười bốn chuỗi đầu vào

Lab dùng ba nhóm. Nhóm Việt Nam: tên tiếng Anh của Đại học Bách khoa Hà Nội, tên tiếng Việt có dấu, không dấu, viết tắt HUST, VNU, tên đầy đủ Vietnam National University, Hanoi và Ho Chi Minh City University of Technology. Nhóm quốc tế gồm chuỗi có khoa và địa chỉ của Oxford và Pennsylvania.

Chuỗi lấy từ các lab trước

Nhóm thứ ba lấy từ dữ liệu thật của các lab trước: Institute for Economic Research và Institute for Economic Research (IER), Ljubljana, Slovenia từ bản ghi DataCite; Wesleyan University từ hồ sơ ORCID thử nghiệm. Thêm một chuỗi có hai tổ chức cách nhau bằng dấu chấm phẩy và một tên công ty bịa.

Mã hóa URL

requests tự mã hóa tham số khi truyền qua params, kể cả dấu phẩy, dấu chấm phẩy và chữ tiếng Việt. Không ghép chuỗi affiliation vào URL bằng tay. Một dấu và hay dấu thăng không được mã hóa sẽ cắt chuỗi, và dịch vụ sẽ ghép phần còn lại.

Không dịch tên trước khi gửi

Lab không dịch tên tiếng Việt sang tiếng Anh trước khi gửi. Dịch máy có thể cho ra tên không trùng tên trong ROR, hoặc trùng tên một trường khác. Nếu cần thử tên tiếng Anh, gửi nó như một chuỗi riêng và ghi rõ là chuỗi dịch, không phải chuỗi gốc.

Gọi cơ chế tìm/match của bản ROR API chuẩn hóa tổ chức hiện hành

Đây là kết quả gọi tham số affiliation cho từng chuỗi.

Tên tiếng Anh của trường Việt Nam

Hanoi University of Science and Technology được chọn với ROR https://ror.org/04nyv3z04, điểm 1.0, kiểu khớp SINGLE SEARCH. Vietnam National University, Hanoi được chọn với https://ror.org/02jmfj006. Ho Chi Minh City University of Technology được chọn với https://ror.org/04qva2324. Ba tên tiếng Anh chính thức đều ghép được.

Tên tiếng Việt có dấu

Đại học Bách khoa Hà Nội không có kết quả chosen. Ba ứng viên đầu là Tay Bac University điểm 0.85, Hue University điểm 0.84, Hanoi University of Culture điểm 0.82. Không ứng viên nào là Đại học Bách khoa Hà Nội. Lấy ứng viên đầu tiên sẽ gán công bố cho Đại học Tây Bắc.

Tên tiếng Việt không dấu

Dai hoc Bach khoa Ha Noi cho đúng ba ứng viên giống bản có dấu, cùng điểm. Bỏ dấu không giúp gì. Với dữ liệu có nhiều tên tiếng Việt, cần một bảng ánh xạ do người lập cho các tên thường gặp, trước khi gọi API.

Từ viết tắt với affiliation

HUST và VNU gửi qua tham số affiliation đều không có ứng viên nào. Tài liệu nói tham số này chờ chuỗi nhiều từ có khoảng trắng và dấu câu. Một từ viết tắt đứng một mình không phải loại chuỗi nó được thiết kế để xử lý.

Từ viết tắt với query

Gửi HUST qua tham số query cho 4 kết quả. Đó là Hsiuping University of Science and Technology ở Đài Loan, Harbin University of Science and Technology và Huazhong University of Science and Technology ở Trung Quốc, cùng một viện ở Trung Quốc. Không có Đại học Bách khoa Hà Nội. VNU qua query cho 20 kết quả, đứng đầu là Vanung University ở Đài Loan, thứ hai mới là Vietnam National University, Hanoi.

Chuỗi có khoa và địa chỉ

Dept. of Physics, University of Oxford, Oxford OX1 3PU, UK được chọn University of Oxford, https://ror.org/052gg0110. Chuỗi ví dụ trong tài liệu về Khoa Vi sinh của University of Pennsylvania được chọn University of Pennsylvania, https://ror.org/00b30xv10, đúng như tài liệu mô tả. Phần khoa và địa chỉ không làm hỏng kết quả.

Chuỗi có hai tổ chức

University of Cambridge; Massachusetts Institute of Technology được chọn Massachusetts Institute of Technology, https://ror.org/042nb2s44. University of Cambridge đứng thứ hai với điểm 1.0 nhưng chosen là false. Dịch vụ chỉ chọn tối đa một kết quả, nên chuỗi có hai tổ chức mất một tổ chức nếu chỉ đọc chosen.

Thời gian phản hồi

Mỗi lượt gọi trong lab trả về trong khoảng 0,2 tới 1,5 giây. Phần lớn thời gian chạy lab là thời gian nghỉ 2 giây giữa các lượt. Với hàng nghìn chuỗi, bộ nhớ đệm quan trọng hơn mọi tối ưu khác.

Bảng kết quả affiliation

Bảng kết quả affiliation

Bảng: Bảng kết quả affiliation

Chuỗi thô	chosen	ROR ID chọn	Ứng viên đầu nếu không chọn
Hanoi University of Science and Technology	có	04nyv3z04
Đại học Bách khoa Hà Nội	không		Tay Bac University 0.85
Dai hoc Bach khoa Ha Noi	không		Tay Bac University 0.85
HUST	không		không có ứng viên
VNU	không		không có ứng viên
Vietnam National University, Hanoi	có	02jmfj006
Ho Chi Minh City University of Technology	có	04qva2324
Dept. of Physics, University of Oxford...	có	052gg0110
Dept. of Microbiology, University of Pennsylvania...	có	00b30xv10
Institute for Economic Research	có	014z5x149
Institute for Economic Research (IER), Ljubljana...	có	014z5x149
Wesleyan University	có	05h7xva58
University of Cambridge; Massachusetts Institute of Technology	có	042nb2s44	Cambridge 1.0 không chọn
Công ty TNHH Phần mềm Thử nghiệm ABC	không		Viện Thuốc lá 0.71

Đọc ứng viên, địa điểm và quan hệ tổ chức trong ROR API chuẩn hóa tổ chức

Phần này đọc kỹ các ứng viên để thấy vì sao điểm không đủ.

Điểm 1.0 không phải là đúng

Điểm 1.0 không phải đúng

Với chuỗi Hanoi University of Science and Technology, ứng viên thứ hai VNU University of Science và thứ ba Korea University of Science and Technology đều có điểm 1.0. Với Vietnam National University, Hanoi, hai ứng viên National University ở Yemen và Sudan đều có điểm 1.0. Chỉ cờ chosen phân biệt được kết quả đúng.

Ứng viên sai có điểm cao

Với chuỗi University of Pennsylvania, Indiana University School of Medicine có điểm 0.95 và AMA School of Medicine ở Philippines có 0.91. Với Wesleyan University, Laurel University và Leman University ở Thụy Sĩ có 0.94. Ngưỡng 0.9 sẽ nhận hàng loạt kết quả sai.

Quốc gia và thành phố

Mỗi ứng viên có locations với geonames_details, cho mã quốc gia và tên thành phố. Lab ghi hai trường này cho mọi ứng viên. Với chuỗi có tên thành phố hay quốc gia, so ứng viên với địa điểm trong chuỗi là cách người xem loại nhanh ứng viên sai.

Loại tổ chức

Trường types cho biết education, funder, facility, company, nonprofit và các loại khác. Institute for Economic Research ở Ljubljana có loại facility. Viện Thuốc lá có loại company. Loại tổ chức giúp người xem biết ứng viên có cùng bản chất với chuỗi gốc không.

Quan hệ cha con

Trường relationships cho biết tổ chức cha, con và liên quan. Ho Chi Minh City University of Technology có cha là Vietnam National University Ho Chi Minh City. VNU University of Science có cha là Vietnam National University, Hanoi. Thống kê theo đại học quốc gia cần đi lên cha, thống kê theo trường thành viên giữ con.

Đơn vị con và đơn vị cha cùng ứng viên

Với Hanoi University of Science and Technology, ứng viên thứ hai VNU University of Science là trường thành viên của một đại học quốc gia. Nếu chuỗi gốc là tên một trường thành viên, người xem phải quyết định ghép vào trường thành viên hay đại học quốc gia. ROR có cả hai bản ghi, quy tắc thống kê của đơn vị phải chọn.

Tên chung chung

Institute for Economic Research đứng một mình được chọn bản ghi ở Ljubljana, Slovenia. Hai ứng viên sau là Institute of Economic Research ở Bratislava với 0.95 và Institute for Conflict Research ở Belfast với 0.9. Với chuỗi IER, Ljubljana, Slovenia, ứng viên thứ hai là Ifo Institute for Economic Research ở Munich với 0.94.

Trạng thái bản ghi

Mọi ứng viên trong lab đều có status active, đúng như tài liệu nói về tham số affiliation. Một tổ chức đã sáp nhập có thể có bản ghi inactive với quan hệ Successor trỏ tới tổ chức mới. Ghép công bố cũ với tổ chức đã sáp nhập cần query có all_status, lab chưa thử.

Tên hiển thị

Mỗi bản ghi có danh sách names với nhiều loại: ror_display, label, alias, acronym. Lab lấy tên có loại ror_display làm tên hiển thị trong bảng. Các tên khác, gồm tên tiếng địa phương nếu có, nằm trong cùng danh sách và có thể dùng để giải thích cho người xem vì sao một chuỗi được ghép.

Bảng ứng viên của ca nhạy cảm

Bảng: Bảng ứng viên của ca nhạy cảm

Chuỗi	Ứng viên	Điểm	chosen	Quốc gia
Hanoi University of Science and Technology	Hanoi University of Science and Technology	1.0	có	VN
Hanoi University of Science and Technology	VNU University of Science	1.0	không	VN
Hanoi University of Science and Technology	Korea University of Science and Technology	1.0	không	KR
Vietnam National University, Hanoi	National University (Taiz)	1.0	không	YE
Institute for Economic Research	Institute for Economic Research	1.0	có	SI
Institute for Economic Research	Institute of Economic Research, Slovak Academy of Sciences	0.95	không	SK

Ghi ca không đủ tin cậy để tự ghép ROR ID trong ROR API chuẩn hóa tổ chức

Phần này đặt quy tắc quyết định cho từng dòng.

Quy tắc của lab

Lab dùng ba quyết định. Có chosen là true thì tự ghép. Không có chosen nhưng có ứng viên thì cần người xem, kể cả khi điểm cao. Không có ứng viên thì ghi không có ứng viên. Không có ngưỡng điểm nào trong quy tắc.

if row["chosen"]:
    row["decision"] = "tu ghep (chosen=true)"
elif cands:
    row["decision"] = "can nguoi xem"
else:
    row["decision"] = "khong co ung vien"

Kết quả theo quy tắc

Trên 14 chuỗi, 9 chuỗi tự ghép, 3 chuỗi cần người xem, 2 chuỗi không có ứng viên. Ba chuỗi cần người xem là hai tên tiếng Việt và tên công ty bịa. Hai chuỗi không có ứng viên là HUST và VNU.

Ca tự ghép vẫn cần kiểm

Hai ca trong nhóm tự ghép vẫn cần cờ cảnh báo. Chuỗi có dấu chấm phẩy chứa hai tổ chức, tự ghép chỉ ra một. Chuỗi Institute for Economic Research đứng một mình là tên chung, tự ghép đúng với ngữ cảnh DataCite của lab nhưng có thể sai với nguồn khác. Bảng đầu ra nên có thêm cờ chuỗi nhiều tổ chức và cờ tên chung chung cho các ca này. Mã của lab chưa sinh hai cờ đó, chúng được gắn tay khi đọc kết quả.

Phát hiện chuỗi nhiều tổ chức

Chuỗi có dấu chấm phẩy, có chữ and nối hai tên trường, hay có hai mã bưu chính thường chứa nhiều tổ chức. Tách chuỗi trước khi gửi, gửi từng phần, rồi ghép kết quả. Lab chưa chạy bước tách này, chỉ phát hiện vấn đề.

Công ty không có trong ROR

Công ty TNHH Phần mềm Thử nghiệm ABC không tồn tại. Dịch vụ không chọn kết quả nào, nhưng vẫn trả ứng viên: Công ty TNHH MTV Viện Thuốc lá với 0.71, Trung tâm Y Sinh học Phân tử với 0.65. Pipeline lấy ứng viên đầu sẽ gán một công ty bịa cho một viện có thật.

Ghi lý do cần người xem

Mỗi dòng cần người xem có lý do: không có chosen, tên tiếng Việt, từ viết tắt, chuỗi nhiều tổ chức, tên chung chung. Người xem làm nhanh hơn khi biết vì sao dòng đó bị đẩy sang họ.

Cho người xem đủ bối cảnh

Màn hình cho người xem nên hiện chuỗi gốc, nguồn dữ liệu, bốn ứng viên đầu với quốc gia, thành phố, loại và quan hệ, cùng đường dẫn tới trang ROR của từng ứng viên. Với đủ bối cảnh, mỗi dòng mất vài giây. Thiếu bối cảnh, người xem cũng phải đoán như máy.

Bảng ánh xạ do người lập

Kết quả của người xem nên lưu thành bảng ánh xạ: chuỗi gốc, ROR ID, người xác nhận, ngày xác nhận. Lần sau gặp đúng chuỗi đó, dùng bảng trước khi gọi API. Với tên trường Việt Nam, bảng này là cách duy nhất trong lab giúp ghép được tên tiếng Việt.

Đầu ra nghiệm thu ROR API chuẩn hóa tổ chức: bảng tên thô ROR ID ứng viên và ca không đủ bằng chứng để ghép

Phần này gom đầu ra thành bản ghi có thể lưu.

Tệp đầu ra

Lab sinh result.json gồm phiên bản Python và requests, 14 dòng với chuỗi thô, chuỗi gửi, chosen, tối đa bốn ứng viên và quyết định, kết quả query cho HUST và VNU, và nhật ký 16 lượt gọi. out.txt là bản in của cùng dữ liệu.

Danh sách kiểm tra

Danh sách nghiệm thu

• Chuỗi gốc được giữ, chuỗi gửi chỉ chuẩn hóa NFC và khoảng trắng.
• Chỉ tự ghép khi chosen là true.
• Không dùng ngưỡng điểm.
• Mỗi ứng viên có quốc gia, thành phố, loại, quan hệ.
• Có ca tên tiếng Việt, từ viết tắt, chuỗi nhiều tổ chức, tên không có trong ROR.
• Mỗi dòng cần người xem có lý do.
• Kết quả xác nhận của người xem vào bảng ánh xạ.

Những gì lab chưa chạy

Chưa thử query.advanced. Chưa thử all_status với tổ chức đã giải thể. Chưa tách chuỗi nhiều tổ chức. Chưa dùng Client-Id vì đăng ký đang tạm dừng. Chưa chạy ROR API cục bộ bằng Docker. Chưa thử bản data dump. Chưa kiểm kết quả với tên trường Việt Nam khác.

Câu kết luận được phép viết

Câu được phép viết là: trong lab, tên tiếng Anh chính thức của ba trường Việt Nam được chọn đúng, còn tên tiếng Việt có dấu và không dấu không được chọn và có ứng viên đầu sai. Câu không được phép viết là: ROR không có tên tiếng Việt. Lab chỉ thử một tên trường.

Vận hành pipeline với ROR API chuẩn hóa tổ chức

Phần này chuyển kết quả lab thành quy tắc cho pipeline chạy thật.

Bộ nhớ đệm theo chuỗi

Cùng một chuỗi affiliation lặp lại rất nhiều lần trong dữ liệu công bố. Lưu kết quả theo chuỗi đã chuẩn hóa NFC, chỉ gọi API cho chuỗi mới. Số lượt gọi thực tế thường nhỏ hơn nhiều so với số dòng dữ liệu.

Nhịp gọi và hạn mức

Lab nghỉ 2 giây giữa các lượt và không gặp lỗi giới hạn nào trong 16 lượt. Response không có header hạn mức. Theo trang Client ID, khi Client-Id được áp dụng, request không có Client-Id chỉ được 50 lượt mỗi 5 phút. Thiết kế pipeline sẵn chỗ thêm header Client-Id khi đăng ký mở lại.

Bản dump cho khối lớn

Với hàng trăm nghìn chuỗi, tài liệu khuyên chạy ROR API cục bộ bằng Docker hoặc dùng data dump. Chạy cục bộ không chịu hạn mức và không làm tải dịch vụ chung. Kết quả ghép có thể khác bản công khai nếu phiên bản dữ liệu khác, nên ghi phiên bản.

Bảng ánh xạ cho tên tiếng Việt

Với dữ liệu nhiều tên trường Việt Nam, lập bảng ánh xạ cho các trường thường gặp: tên tiếng Việt có dấu, không dấu, viết tắt, tên tiếng Anh, tất cả về một ROR ID. Bảng do người có hiểu biết lập và kiểm định kỳ. API dùng cho phần còn lại.

Ghép với ORCID và DataCite

Khi affiliation đến từ ORCID hay DataCite, kiểm xem bản ghi gốc đã có định danh tổ chức chưa. Bản ghi DataCite trong lab có một creator đã mang ROR, bản ghi ORCID dùng Ringgold. Định danh có sẵn từ nguồn được ưu tiên hơn kết quả ghép từ chuỗi.

Kiểm lại bảng ánh xạ

ROR cập nhật dữ liệu định kỳ, có tổ chức đổi tên, sáp nhập, có bản ghi mới. Kiểm lại bảng ánh xạ theo chu kỳ bằng cách gọi lại ROR ID đã lưu và xem status còn active không. ROR ID của tổ chức đã thôi hoạt động nên được đánh dấu, không xóa.

Proxy ở đâu trong luồng

ROR API tính hạn mức theo IP, nhưng đổi IP để vượt hạn mức là đi ngược chính sách của một hạ tầng cộng đồng miễn phí. Con đường đúng là Client-Id khi có, bộ nhớ đệm và bản dump. Proxy chỉ có vai trò khi máy chủ của đơn vị phải đi ra Internet qua một điểm cố định. Khi cần IP tại Việt Nam cho phần đó, anh em có thể mua proxy tại trang chủ ProxyVN. Vai trò của proxy có ở bài Web Scraping proxy là gì, cách ghi chuỗi cấu hình có ở bài định dạng proxy.

Báo lại cho ROR

Khi phát hiện tên tiếng Việt của một trường chưa được dịch vụ ghép, có thể gửi đề xuất cập nhật tên cho ROR theo quy trình của họ. Bản ghi có thêm tên tiếng Việt giúp mọi người dùng khác. Pipeline của một đơn vị không sửa được dữ liệu ROR, chỉ đề xuất được.

ROR API chuẩn hóa tổ chức: câu hỏi thường gặp

Các câu dưới đây gom những điểm hay bị hỏi.

Nên dùng query hay affiliation?

affiliation cho chuỗi thô từ metadata, query cho ô tìm kiếm của người dùng. Trong lab, từ viết tắt không có ứng viên qua affiliation.

Có nên tự ghép khi điểm bằng 1.0?

Không. Trong lab, nhiều ứng viên sai có điểm 1.0. Chỉ tự ghép khi chosen là true.

Tên tiếng Việt có ghép được không?

Trong lab, Đại học Bách khoa Hà Nội có dấu và không dấu đều không được chọn. Tên tiếng Anh chính thức thì được.

Chuỗi có hai trường thì sao?

Dịch vụ chọn tối đa một. Trong lab, chuỗi Cambridge và MIT chỉ được chọn MIT.

Tổ chức không có trong ROR thì sao?

Không có chosen nhưng vẫn có ứng viên. Trong lab, công ty bịa có ứng viên đầu là một viện có thật.

Có cần Client-Id không?

Hiện đăng ký đang tạm dừng và chưa áp hạn mức theo Client-Id. Lab gọi không có Client-Id.

Có lấy được toàn bộ ROR qua API không?

Không. API trả tối đa 10000 kết quả mỗi truy vấn. Dùng data dump cho cả bộ.

ROR API chuẩn hóa tổ chức và những điều cần nhớ

ROR API chuẩn hóa tổ chức ghép được chuỗi affiliation thô về ROR ID khi dịch vụ trả chosen, còn mọi ca khác phải dừng cho người xem. Lab cho thấy điểm 1.0 không bảo đảm đúng, tên tiếng Việt và từ viết tắt không được chọn, và chuỗi hai tổ chức mất một tổ chức. Proxy.vn - Nhà cung cấp dịch vụ proxy chất lượng hàng đầu Việt Nam khuyên anh em giữ chuỗi gốc và lập bảng ánh xạ khi dùng ROR API chuẩn hóa tổ chức.