最大值至关重要：发现学术领域的热点话题
社会与信息网络
2017-10-19 v1 数字图书馆
摘要
发现学术领域的热点话题可以帮助研究人员跟上其感兴趣领域的最新概念、趋势和发明。由于完整的大规模学术数据稀缺，早期研究基于从有限领域手动提取话题，且仅关注单一特征（如合著关系、引用关系等）。鉴于此类预测的有效性受限，本文使用来自Microsoft Academic Graph的真实学术数据集，该数据集提供了计算机科学领域超过12000个话题，包括1200个会议/期刊、1440万作者、3000万篇论文及其引用关系（时间跨度从1950年至今）。为了发现CS领域即将成为趋势的话题，我们创新性地形式化了热点话题预测问题，综合考虑话题间和话题内影响，提取了17种不同的科学特征以全面描述话题状态。通过利用所有17个特征，我们观察到在5年和10年后的话题规模预测中取得了良好的准确性，R²值分别为0.9893和0.9646。有趣的是，我们的预测表明，最大值在发现学术领域热点话题中至关重要，主要体现在三个方面：（1）每个因素的最大值（如作者的最大h指数和最大引用数）在预测中提供的信息量是平均值的三倍；（2）最相关话题之间的相互影响是长期话题趋势预测中最具说明性的因素，表明当前表现出最大增长率的话题将驱动相关话题在未来成为热点；（3）我们预测未来5年内，CS领域将获得主要关注的增长最快（最大增长率）的前100个话题。
引用
@article{arxiv.1710.06637,
title = {Maximum Value Matters: Finding Hot Topics in Scholarly Fields},
author = {Jinghao Zhao and Hao Wu and Fengyu Deng and Wentian Bao and Wencheng Tang and Luoyi Fu and Xinbing Wang},
journal= {arXiv preprint arXiv:1710.06637},
year = {2017}
}
备注
10 pages