多元数据源对科学图谱中主题涌现的控制

传统科学图谱通过在网络中聚类文档来可视化主题，但它们固有地偏向于某些主题而非其他主题。如果可以选择这些主题，那么科学图谱就可以针对不同需求进行定制。在本文中，我们探讨了通过选择不同的数据源来构建文档网络，从而改变科学图谱主题偏差的程度。我们通过评估若干主题类别在两种传统用于创建科学图谱的数据源（引文和文本相似度）以及六种非传统数据源上的聚类有效性来分析这一问题，这些非传统数据源分别有利于不同种类的主题：Facebook 用户的健康问题、专利家族的生物技术主题、政策文档的政府与社会问题、Twitter 对话中的食物主题、Twitter 用户中的护理主题，以及文档作者的地理实体（后者的偏向尤为显著）。我们的结果表明，多元数据源可用于控制主题偏差，这为创建针对不同需求的科学图谱开辟了可能性。