Hugging Face、モデルとデータセット向けに DOI サポートを導入

TL;DR

Hugging Face は、Hub 上の任意のモデルまたはデータセットに対してネイティブな DOI 生成を発表し、永続的でバージョン対応の引用を可能にし、再現性と学術的評価を向上させます。

DOI とは何か、そしてなぜ重要か

デジタルオブジェクト識別子（Digital Object Identifier、DOI）は、研究論文、データセット、機械学習モデルなどのデジタルオブジェクトを参照する世界的に一意な文字列です。DOI はオブジェクトの URL、バージョン、作成日、説明などのメタデータに解決され、安定した永続的リンクとなります。学術的な実務において、DOI は書籍の ISBN のように機能し、時間が経っても変わらない信頼できる引用手段を提供します。

Hugging Face が DOI を割り当てる方法

Hugging Face は、主要な DOI 登録機関である DataCite と提携し、Hub から直接 DOI を発行します。ワークフローは次のとおりです:

  1. 登録ユーザーがモデルまたはデータセットの repo settings を開く。
  2. 必要なメタデータ（タイトル、著者、説明など）を入力する。
  3. Hugging Face が DataCite に DOI を登録し、識別子をユーザーに返す。
  4. モデルまたはデータセットのページに "Cite this model/dataset" ボタンが表示され、DOI と引用形式が明示される。

新しいバージョンがリリースされると、DOI を更新して最新バージョンを指すようにでき、以前の DOI は依然として解決可能で「古い」ことが示されます。このバージョン対応の動作により、オブジェクトの特定リリースを対象とした引用が、オブジェクトが進化しても壊れません。

技術的な影響

  • 永続的リンク: DOI の URL は期限切れになることがなく、基盤となる Hub の URL が変更されても参照は有効です。
  • バージョン管理: DOI を更新すると新しい解決先が作成され、過去バージョンの引用チェーンが保持されます。
  • 削除ポリシー: DOI が付与されたオブジェクトは基本的に無期限に保存され、削除は Hugging Face サポートへの正式なリクエストが必要です。これは学術アーカイブの標準に合わせたものです。
  • コミュニティ主導の機能: DOI サポートは hub-docs GitHub イシューでのコミュニティフィードバックから生まれ、Hugging Face のオープンソース開発モデルを示しています。

機能の使い方

  1. Hub 上のモデルまたはデータセットリポジトリへ移動する。
  2. Settings → Generate DOI をクリックする。
  3. メタデータフォームに入力し、送信する。
  4. 表示される引用モーダルから生成された DOI をコピーする。
  5. 論文、レポート、その他の学術作品に DOI を記載し、永続的な参照を提供する。

"If ever there’s a new version of a model or dataset, the DOI can easily be updated, and the previous version of the DOI gets outdated. This makes it easy to refer to a specific version of an object, even if it has changed." – Hugging Face blog

コミュニティと今後の方向性

Hugging Face は、Twitter @HuggingFace での提案や huggingface/hub-docs リポジトリでのイシュー作成を通じて、さらなる改善案を募集しています。DataCite とのパートナーシップや、Alix Leroy、Bram Vanroy、Daniel van Strien、Yoshitomo Matsubara といったチームメンバーの貢献が、機能を本番環境へ導入する鍵となりました。

この投稿は、2022年10月7日付の公式 Hugging Face 発表を要約したものです。すべての詳細は元のブログエントリから直接引用しています。

Sources