SciConNav: 通过上下文学习海量科研轨迹的知识导航

新知识建立在现有基础之上，这意味着知识之间存在相互依赖关系，这体现在数百年来科学系统的历史发展中。通过利用自然语言处理技术，本研究引入了科学概念导航器 (SciConNav)，一种基于嵌入的导航模型，从数百万学者的研究轨迹中推断“知识路径”。我们验证了学习到的表示有效地描绘了学科边界，并捕捉了不同概念之间的复杂关系。通过多个应用展示了推断导航空间的实用性。首先，我们展示了知识空间内的多步类比推理以及不同学科概念之间的互连性。其次，我们制定了跨领域知识的属性维度，观察到19个学科沿着这些概念维度的分布变化，包括从“理论”到“应用”，以及从“化学”到“生物医学”，突出了知识领域内功能属性的演变。最后，通过分析高维知识网络结构，我们发现知识以更短的全局路径连接，并且跨学科知识在全球知识网络的可访问性中起着关键作用。我们的框架为挖掘海量科学文献中的知识继承路径提供了一种新方法，这对于理解科学进步模式、定制科学学习轨迹以及加速科学进步具有重要意义。