Viziometrics：科学文献中视觉信息的分析
社会与信息网络
2016-05-30 v2 计算机视觉与模式识别
数字图书馆
信息检索
摘要
科学结果在文献中通过示意图、可视化图和照片以视觉方式传达。与引文和文本相比，这些高信息密度对象在文献计量学和科学计量学研究中被大范围忽视。本文中，我们利用计算机视觉与机器学习技术将来自 PubMed 的逾 800 万幅图表分类为 5 种图类，并研究与影响力相关的视觉信息模式。我们发现文献中图表及图类的分布随时间保持相对恒定，但跨领域与主题可能差异显著。引人注目的是，我们发现科学影响力与视觉信息使用间存在显著相关性：影响力更高的论文倾向于包含更多示意图，且在较小程度上更多绘图与照片。为探索这些结果及其他提取该视觉信息的方式，我们构建了视觉浏览器以阐释概念，并探索支持视觉计量分析与组织视觉信息的设计替代方案。我们利用这些结果阐明一个新的研究议程——Viziometrics——以研究科学文献中视觉信息的组织与呈现。
引用
@article{arxiv.1605.04951,
title = {Viziometrics: Analyzing Visual Information in the Scientific Literature},
author = {Po-shen Lee and Jevin D. West and Bill Howe},
journal= {arXiv preprint arXiv:1605.04951},
year = {2016}
}