論文の概要: A Model of Densifying Collaboration Networks
- arxiv url: http://arxiv.org/abs/2101.11056v1
- Date: Tue, 26 Jan 2021 19:56:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-13 22:09:49.132325
- Title: A Model of Densifying Collaboration Networks
- Title(参考訳): 密着型コラボレーションネットワークのモデル
- Authors: Keith A. Burghardt, Allon G. Percus, Kristina Lerman
- Abstract要約: 我々は,研究コラボレーションネットワークの成長のモデルを分析する。
共同作業の数は,機関規模と超直線的にスケールすることを示す。
そして、このモデルを理論的に理解し、創発的ヘテロジニアススケーリングを明らかにする。
- 参考スコア(独自算出の注目度): 2.9382751364810034
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Research collaborations provide the foundation for scientific advances, but
we have only recently begun to understand how they form and grow on a global
scale. Here we analyze a model of the growth of research collaboration networks
to explain the empirical observations that the number of collaborations scales
superlinearly with institution size, though at different rates (heterogeneous
densification), the number of institutions grows as a power of the number of
researchers (Heaps' law) and institution sizes approximate Zipf's law. This
model has three mechanisms: (i) researchers are preferentially hired by large
institutions, (ii) new institutions trigger more potential institutions, and
(iii) researchers collaborate with friends-of-friends. We show agreement
between these assumptions and empirical data, through analysis of co-authorship
networks spanning two centuries. We then develop a theoretical understanding of
this model, which reveals emergent heterogeneous scaling such that the number
of collaborations between institutions scale with an institution's size.
- Abstract(参考訳): 研究協力は科学的進歩の基盤となっているが、我々は最近、彼らがどのように世界規模で形成し成長するかを理解し始めたばかりである。
本稿では,研究協力ネットワークの成長モデルを分析し,異なる割合(ヘテロゲン密度化)では研究者数(ヘップスの法則)と機関サイズがzipfの法則に近似する力として増加するものの,協力数と機関規模が重線形にスケールする,という実証的観察を説明する。
このモデルには3つのメカニズムがあります
(i)研究者は、大機関に優先的に雇用される。
二 新たな機関がより潜在的な機関を刺激し
(iii)研究者は友人の友人と協力する。
2世紀にわたる共著者ネットワークの分析を通じて,これらの仮定と経験的データとの一致を示す。
そして,このモデルについて理論的に理解し,機関間の協調の回数と機関の大きさが一致するように,創発的な異種スケーリングを明らかにする。
関連論文リスト
- Competition of Mechanisms: Tracing How Language Models Handle Facts and
Counterfactuals [55.23587651065376]
解釈可能性の研究は、経験的成功と大規模言語モデルの内部動作に関する科学的理解のギャップを埋めることを目的としている。
個別のメカニズムの代わりに複数のメカニズムの相互作用に焦点を当てたメカニズムの競合の定式化を提案する。
本研究は, 種々のモデル成分間の機構とその競合の痕跡を示し, 特定の機構の強度を効果的に制御する注意位置を明らかにした。
論文 参考訳(メタデータ) (2024-02-18T17:26:51Z) - Open Problems in DAOs [11.57277155060763]
分散型自治組織(DAOs)は、契約によって統治される、急速に成長する新しい組織である。
スマートコンコンストラクタの新たな科学に研究者が貢献する方法を述べる。
論文 参考訳(メタデータ) (2023-10-29T23:48:45Z) - Exploring Collaboration Mechanisms for LLM Agents: A Social Psychology
View [64.43238868957813]
本稿では,理論的洞察を用いた実用実験により,現代NLPシステム間の協調機構を解明する。
我々は, LLMエージェントからなる4つの独特な社会をつくり, それぞれのエージェントは, 特定の特性(容易性, 過信性)によって特徴づけられ, 異なる思考パターン(議論, ふりかえり)と協調する。
以上の結果から, LLMエージェントは, 社会心理学理論を反映した, 適合性やコンセンサスリーディングといった人間的な社会的行動を示すことが明らかとなった。
論文 参考訳(メタデータ) (2023-10-03T15:05:52Z) - Evolving landscape of US-China science collaboration: Convergence and
divergence [0.0]
米国と中国は、様々な科学分野にまたがる協力関係を著しく強化してきた。
最近の報道は、この2つの巨大企業間のコラボレーションの潜在的な減少を示唆している。
この研究は、ここ数十年、米国と中国の相互作用の進化の風景を掘り下げている。
論文 参考訳(メタデータ) (2023-09-10T14:11:46Z) - Tackling Computational Heterogeneity in FL: A Few Theoretical Insights [68.8204255655161]
我々は、計算異種データの形式化と処理を可能にする新しい集約フレームワークを導入し、分析する。
提案するアグリゲーションアルゴリズムは理論的および実験的予測から広範囲に解析される。
論文 参考訳(メタデータ) (2023-07-12T16:28:21Z) - A Diachronic Analysis of Paradigm Shifts in NLP Research: When, How, and
Why? [84.46288849132634]
本稿では、因果発見と推論技術を用いて、科学分野における研究トピックの進化を分析するための体系的な枠組みを提案する。
我々は3つの変数を定義し、NLPにおける研究トピックの進化の多様な側面を包含する。
我々は因果探索アルゴリズムを用いてこれらの変数間の因果関係を明らかにする。
論文 参考訳(メタデータ) (2023-05-22T11:08:00Z) - Quantifying & Modeling Multimodal Interactions: An Information
Decomposition Framework [89.8609061423685]
本稿では,入力モーダル性と出力タスクを関連付けた冗長性,特異性,シナジーの度合いを定量化する情報理論手法を提案する。
PID推定を検証するために、PIDが知られている合成データセットと大規模マルチモーダルベンチマークの両方で広範な実験を行う。
本研究では,(1)マルチモーダルデータセット内の相互作用の定量化,(2)マルチモーダルモデルで捉えた相互作用の定量化,(3)モデル選択の原理的アプローチ,(4)実世界のケーススタディの3つにその有用性を示す。
論文 参考訳(メタデータ) (2023-02-23T18:59:05Z) - Evaluating the state-of-the-art in mapping research spaces: a Brazilian
case study [0.0]
最近の2つの研究は、科学者の出版記録から研究地図を作成する方法を提案している。
与えられたエンティティが新しいフィールドに入るかどうかを予測するモデルの能力を評価します。
これらのモデルがどのようにブラジルの文脈で科学のダイナミクスを特徴づけることができるかを示すケーススタディを実施します。
論文 参考訳(メタデータ) (2021-04-07T18:14:41Z) - What's New? Summarizing Contributions in Scientific Literature [85.95906677964815]
本稿では,論文のコントリビューションと作業状況について,個別の要約を生成するために,論文要約のアンタングル化という新たなタスクを導入する。
本稿では,学術論文のS2ORCコーパスを拡張し,コントリビューション・コントリビューション・コントリビューション・レファレンス・ラベルを付加する。
本稿では, 生成した出力の関連性, 新規性, 絡み合いを報告する総合的自動評価プロトコルを提案する。
論文 参考訳(メタデータ) (2020-11-06T02:23:01Z) - Sequential Cooperative Bayesian Inference [16.538512182336827]
協調とは、データを選択するエージェントとデータから学習するエージェントが同じ目標を持ち、学習者が意図した仮説を推測することを意味する。
近年の人間と機械学習のモデルが協調の可能性を実証している。
論文 参考訳(メタデータ) (2020-02-13T18:48:06Z)
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。