计算机科学研究图谱：趋势、影响与预测

本文探讨了计算机科学（CS）领域当前的研究趋势，并研究了促成这些趋势出现的因素。利用包含论文、引用和资助信息的综合数据集，我们采用包括决策树和逻辑回归模型在内的先进机器学习技术来预测趋势性研究领域。我们的分析表明，研究论文中引用的参考文献数量（Reference Count）在决定趋势性研究领域中起着关键作用，使引用数成为驱动CS领域趋势的最相关因素。此外，NSF资助和专利对趋势性主题的影响随时间增加。逻辑回归模型在预测趋势上优于决策树模型，表现出更高的准确率、精确率、召回率和F1分数。通过超越随机猜测基线，我们的数据驱动方法在识别趋势性研究领域时展现出更高的准确性和有效性。结果为趋势性研究领域提供了有价值的见解，为研究者和机构提供了用于决策和未来研究方向的数据驱动基础。