通过合著网络中关键术语分布与社区发现的相关性揭示专长定位
社会与信息网络
2014-07-17 v1 数字图书馆
物理与社会
摘要
我们提出了一种高效且有效的自动方法，用于确定合著网络中科学社区的研究焦点。该方法利用数据库中的书目数据构建网络，随后采用 fastgreedy 社区发现算法识别网络大型连通分量内的社区。文本分析技术用于识别代表社区主题的社区特定显著术语。为了大幅减少计算时间，我们分析网络中每篇出版物的'Topics'字段而非全文。使用这种文本分析方法需要一定的统计置信度，因此该技术对非常小的社区无效。我们发现最小社区规模阈值为 8 篇合著论文；低于此值，无法用该方法可靠地识别社区主题。此外，我们还探讨了本研究对合著网络中科学社区形成因素的含义。
引用
@article{arxiv.1407.3701,
title = {Expertise localization discovered through correlation of key term distribution and community detection in co-author networks},
author = {Joe Durante and Tyler Whitehouse and F. G. Serpa and Artjay Javier},
journal= {arXiv preprint arXiv:1407.3701},
year = {2014}
}