کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6862511 677285 2014 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Analyzing future communities in growing citation networks
ترجمه فارسی عنوان
تجزیه و تحلیل جوامع آینده در حال رشد شبکه های استنادی
کلمات کلیدی
جامعه تشخیص موضوع، پیش بینی پیوند، شبکه استناد تشخیص جامعه،
ترجمه چکیده
شبکه های استنادی حاوی اطلاعات موقتی در مورد آنچه محققان در یک زمان مشخص علاقه مند هستند. یک جامعه در چنین شبکهیی متشکل از یک محقق مشهور یا یک رشته تحقیق مشترک است؛ در هر صورت، تجزیه و تحلیل چگونگی تغییر جامعه در آینده، بینش نسبت به روند تحقیق در آینده را نشان می دهد. این مقاله جامعه پژوهش را به عنوان وب اجتماعی معرفی می کند که در آن ارتباطات از طریق مقالات علمی است. این مقاله روش هایی را برای تجزیه و تحلیل نحوه تغییر جوامع در طول زمان در نمودار شبکه استنادی بدون اطلاعات اضافی خارجی و براساس پیش بینی گره و لینک و تشخیص جامعه ارائه می دهد. ترکیب های مختلف روش های پیشنهادی نیز تحلیل می شوند. جوامع شناسایی با استفاده از برچسب های کلید واژه طبقه بندی می شوند. آزمایشات نشان می دهد که روش های پیشنهادی می توانند تغییرات در جوامع استنادی را در چند سال آینده شناسایی کنند، با کارایی متفاوت با توجه به مدت زمان تحلیل شده. علاوه بر این، نشان داده شده است که این روش در هنگام تجزیه و تحلیل جوامع انحلال یافته و در آینده شکل می گیرد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
تجزیه و تحلیل جوامع آینده در حال رشد شبکه های استنادی
چکیده انگلیسی
Citation networks contain temporal information about what researchers are interested in at a certain time. A community in such a network is built around either a renowned researcher or a common research field; either way, analyzing how the community will change in the future will give insight into the research trend in the future. The paper views the research community as a Social Web where the communication is through academic papers. The paper proposes methods to analyze how communities change over time in the citation network graph without additional external information and based on node and link prediction and community detection. Different combinations of the proposed methods are also analyzed. The identified communities are classified using key term labeling. Experiments show that the proposed methods can identify the changes in citation communities multiple years in the future with performance differing according to the analyzed time span. Furthermore, the method is shown to produce higher performance when analyzing communities to be disbanded and to be formed in the future.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Knowledge-Based Systems - Volume 69, October 2014, Pages 34-44
نویسندگان
, ,