轨迹的无监督嵌入捕捉科学迁移的潜在结构

人类迁移与流动驱动着包括传染病、经济、创新与思想扩散在内的重大社会现象。尽管人类流动与迁移在历史上一直受地理距离的严格约束，进步与全球化正使语言与文化等其他因素变得日益重要。最初为自然语言设计的神经嵌入模型的进展，提供了驯服此种复杂性的机会，并为迁移研究开辟新途径。此处，我们展示word2vec模型从迁移轨迹中编码离散位置间细微关系的能力，产生准确、稠密、连续且有意义的向量空间表示。所得表示提供位置间的功能距离，以及可分发、重用并自身被探究以理解迁移多维性的数字孪生。我们表明，word2vec编码迁移模式的独特能力源于其与流动引力模型的数学等价性。聚焦于科学迁移的案例，我们将word2vec应用于从科学家出版记录中所列隶属机构导出的三百万条迁移轨迹数据库。利用发挥其语义结构的技术，我们证明嵌入可学习支撑科学迁移的丰富结构，如多粒度层次上的文化、语言与声望关系。我们的结果提供了使用神经嵌入表示并理解科学内外迁移的理论基础与方法论框架。