論文の概要: Characterizing References from Different Disciplines: A Perspective of
Citation Content Analysis
- arxiv url: http://arxiv.org/abs/2101.07614v1
- Date: Tue, 19 Jan 2021 13:30:00 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-23 02:18:45.036213
- Title: Characterizing References from Different Disciplines: A Perspective of
Citation Content Analysis
- Title（参考訳）: 異なる分野からの参照のキャラクタリゼーション--Citation Content Analysisの視点から
- Authors: Chengzhi Zhang, Lifan Liu, Yuzhuo Wang
- Abstract要約: この研究は、データとしてPLoSの記事を取り、Citation Content Analysis(CCA)に基づく異なる分野からの参照を特徴付ける。
ほとんどの文献は自然科学からの引用であるが、人文科学と社会科学は記事の紹介と背景セクションにおいて重要な役割を担っている。
- 参考スコア（独自算出の注目度）: 7.171503036026183
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multidisciplinary cooperation is now common in research since social issues
inevitably involve multiple disciplines. In research articles, reference
information, especially citation content, is an important representation of
communication among different disciplines. Analyzing the distribution
characteristics of references from different disciplines in research articles
is basic to detecting the sources of referred information and identifying
contributions of different disciplines. This work takes articles in PLoS as the
data and characterizes the references from different disciplines based on
Citation Content Analysis (CCA). First, we download 210,334 full-text articles
from PLoS and collect the information of the in-text citations. Then, we
identify the discipline of each reference in these academic articles. To
characterize the distribution of these references, we analyze three
characteristics, namely, the number of citations, the average cited intensity
and the average citation length. Finally, we conclude that the distributions of
references from different disciplines are significantly different. Although
most references come from Natural Science, Humanities and Social Sciences play
important roles in the Introduction and Background sections of the articles.
Basic disciplines, such as Mathematics, mainly provide research methods in the
articles in PLoS. Citations mentioned in the Results and Discussion sections of
articles are mainly in-discipline citations, such as citations from Nursing and
Medicine in PLoS.
- Abstract（参考訳）: 社会問題には必然的に複数の分野が含まれるため、多分野連携は研究において一般的である。
研究論文では、参照情報、特に引用内容は、異なる分野間のコミュニケーションの重要な表現である。
研究論文における参照の分布特性の分析は、参照情報のソースを検出し、異なる分野のコントリビューションを特定するための基礎となる。
この研究は、データとしてPLoSの記事を取り、Citation Content Analysis (CCA)に基づいて異なる分野からの参照を特徴付ける。
まず、PLoSから210,334のフルテキスト記事をダウンロードし、インテキストの引用情報を収集する。
そして、これらの学術論文において、それぞれの参照の規律を特定する。
これらの参照の分布を特徴付けるために,引用数,平均引用強度,平均引用長の3つの特徴を分析した。
最後に、異なる分野からの参照の分布は著しく異なると結論づける。
ほとんどの文献は自然科学からの引用であるが、人文科学と社会科学は記事の紹介と背景セクションにおいて重要な役割を担っている。
数学などの基本的な分野は、主にPLoSの論文で研究方法を提供している。
論文の結果や議論セクションで言及されている引用は、plosにおける看護や医学からの引用など、主に学際的な引用である。
- 全文 参考訳へのリンク
関連論文リスト
- Revise and Resubmit: An Intertextual Model of Text-based Collaboration
in Peer Review [52.359007622096684]
ピアレビューは、ほとんどの科学分野における出版プロセスの重要な要素である。
既存のNLP研究は個々のテキストの分析に重点を置いている。
編集補助は、しばしばテキストのペア間の相互作用をモデル化する必要がある。
論文 参考訳（メタデータ） (2022-04-22T16:39:38Z) - Deep Graph Learning for Anomalous Citation Detection [55.81334139806342]
本稿では,新たな深層グラフ学習モデルであるGLAD(Graph Learning for Anomaly Detection)を提案する。
GLADフレームワーク内ではCPU(Citation PUrpose)と呼ばれるアルゴリズムが提案され,引用テキストに基づく引用の目的が明らかになった。
論文 参考訳（メタデータ） (2022-02-23T09:05:28Z) - Automatic Analysis of Linguistic Features in Journal Articles of
Different Academic Impacts with Feature Engineering Techniques [0.975434908987426]
本研究では, 特徴工学的手法を用いて, 高次・中等度な学術誌RAのマイクロレベル言語的特徴の抽出を試みた。
英文記事のコーパスから特徴選択手法を用いて,25の高関連特徴を抽出した。
その結果, 隣接文間の内容語重複, 第三者代名詞の使用, 助動詞, 時制, 感情語など24種類の言語的特徴が, 学術的影響の異なる雑誌記事に対して一貫した, 正確な予測を提供することがわかった。
論文 参考訳（メタデータ） (2021-11-15T03:56:50Z) - Cross-Lingual Citations in English Papers: A Large-Scale Analysis of
Prevalence, Usage, and Impact [0.0]
本稿では,100万以上の英文論文に基づく言語間引用の分析を行う。
私たちの発見の中には、中国語で書かれた出版物への引用率の増加がある。
さらなる研究を容易にするため,収集したデータとソースコードを公開している。
論文 参考訳（メタデータ） (2021-11-07T15:34:02Z) - Syllabic Quantity Patterns as Rhythmic Features for Latin Authorship
Attribution [74.27826764855911]
我々は、ラテン散文の計算的オーサシップ属性のタスクにおいて、リズミカルな特徴を導出する基盤として、音節量を用いる。
2つの異なる機械学習手法を用いて3つの異なるデータセットを用いて実験を行い、音節量に基づくリズム特徴がラテン散文の著者の識別に有用であることを示した。
論文 参考訳（メタデータ） (2021-10-27T06:25:31Z) - CitationIE: Leveraging the Citation Graph for Scientific Information
Extraction [89.33938657493765]
引用論文と引用論文の参照リンクの引用グラフを使用する。
最先端技術に対するエンド・ツー・エンドの情報抽出の大幅な改善を観察する。
論文 参考訳（メタデータ） (2021-06-03T03:00:12Z) - Semantic Analysis for Automated Evaluation of the Potential Impact of
Research Articles [62.997667081978825]
本稿では,情報理論に基づくテキスト意味のベクトル表現のための新しい手法を提案する。
この情報意味論がLeicester Scientific Corpusに基づいてテキスト分類にどのように使用されるかを示す。
テキストの意味を表現するための情報的アプローチは,研究論文の科学的影響を効果的に予測する方法であることを示す。
論文 参考訳（メタデータ） (2021-04-26T20:37:13Z) - Enhancing Scientific Papers Summarization with Citation Graph [78.65955304229863]
引用グラフを用いて科学論文の要約作業を再定義します。
我々は,141kの研究論文を異なる領域に格納した,新しい科学論文要約データセットセマンティックスタディネットワーク(ssn)を構築した。
我々のモデルは、事前訓練されたモデルと比較して競争性能を達成することができる。
論文 参考訳（メタデータ） (2021-04-07T11:13:35Z) - How are journals cited? characterizing journal citations by type of
citation [0.0]
本稿では,引用関数に基づく引用の統計的特徴付けに関する最初の結果を示す。
また,雑誌が受ける支持率と論争の比率を,品質の潜在的指標として特徴づける最初の結果も提示する。
論文 参考訳（メタデータ） (2021-02-22T14:15:50Z) - Early Indicators of Scientific Impact: Predicting Citations with
Altmetrics [0.0]
altmetricsを使って、学術的な出版物が得る短期的および長期的な引用を予測する。
我々は,様々な分類モデルと回帰モデルを構築し,それらの性能を評価し,それらのタスクに最適なニューラルネットワークとアンサンブルモデルを見つける。
論文 参考訳（メタデータ） (2020-12-25T16:25:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。