論文の概要: A Graph Convolutional Neural Network based Framework for Estimating Future Citations Count of Research Articles

• arxiv url: http://arxiv.org/abs/2104.04939v1
• Date: Sun, 11 Apr 2021 07:20:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-13 14:28:04.195877
• Title: A Graph Convolutional Neural Network based Framework for Estimating Future Citations Count of Research Articles
• Title（参考訳）: グラフ畳み込みニューラルネットワークによる研究論文の引用数の推定
• Authors: Abdul Wahid, Rajesh Sharma, and Chandra Sekhara Rao Annavarapu
• Abstract要約: グラフ畳み込みネットワーク (gcn) を用いて, 短期(1年), 長期(5年, 10年)のいずれにおいても, 今後の研究論文の引用を推定する枠組みを提案する。 我々は、コンピュータサイエンス領域の研究記事、特に0.8百万以上の記事からなるAMinerデータセット上の私たちの提案されたアプローチをテストしました。
• 参考スコア（独自算出の注目度）: 0.03937354192623676
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scientific publications play a vital role in the career of a researcher. However, some articles become more popular than others among the research community and subsequently drive future research directions. One of the indicative signs of popular articles is the number of citations an article receives. The citation count, which is also the basis with various other metrics, such as the journal impact factor score, the $h$-index, is an essential measure for assessing a scientific paper's quality. In this work, we proposed a Graph Convolutional Network (GCN) based framework for estimating future research publication citations for both the short-term (1-year) and long-term (for 5-years and 10-years) duration. We have tested our proposed approach over the AMiner dataset, specifically on research articles from the computer science domain, consisting of more than 0.8 million articles.
• Abstract（参考訳）: 科学出版物は研究者のキャリアにおいて重要な役割を果たす。 しかし、一部の論文は研究コミュニティの他のものよりも人気を博し、研究の方向性を後押ししている。 人気のある記事の徴候の1つは、記事が受け取る引用数である。 引用数(英: citation count)は、学術論文の品質を評価するための重要な指標であり、雑誌のインパクト係数のスコアである$h$-index(英語版)など、他の様々な指標のベースでもある。 本研究では,短期(1年)と長期(5年,10年)の双方について,今後の研究論文の引用を推定するためのグラフ畳み込みネットワーク(GCN)ベースのフレームワークを提案する。 我々は、AMinerデータセット、特に8百万記事以上のコンピュータサイエンス分野の研究論文に対して提案したアプローチを検証した。

関連論文リスト

• Predicting Award Winning Research Papers at Publication Time [5.318302558039615]
  我々は、出版時に利用可能な情報にのみ依存して受賞する研究論文の可能性を予測する。 我々はArnetMinerの引用グラフを考慮した実験を行い、受賞論文の真理は32のコンピュータサイエンスカンファレンスから最高の論文賞の収集から得られた。 注目すべきは、高いリコールと低い偽陰性率は、そのモデルが賞を得ない論文を特定するのにいかにうまく機能するかを示している。
  論文  参考訳（メタデータ） (2024-06-18T12:09:10Z)
• Mapping the Increasing Use of LLMs in Scientific Papers [99.67983375899719]
  2020年1月から2024年2月にかけて、arXiv、bioRxiv、Natureのポートフォリオジャーナルで950,965の論文をまとめて、体系的で大規模な分析を行った。 計算機科学の論文では, LLMの使用が着実に増加し, 最大, 最速の成長が観察された。
  論文  参考訳（メタデータ） (2024-04-01T17:45:15Z)
• Position: AI/ML Influencers Have a Place in the Academic Process [82.2069685579588]
  機械学習研究の可視性向上におけるソーシャルメディアインフルエンサーの役割について検討する。 2018年12月から2023年10月までの間に、8000以上の論文の包括的なデータセットを収集しました。 我々の統計的および因果推論分析は、これらのインフルエンサーが支持する論文の引用が著しく増加することを示している。
  論文  参考訳（メタデータ） (2024-01-24T20:05:49Z)
• Scientific Impact of Graph-Based Approaches in Deep Learning Studies -- A Bibliometric Comparison [0.0]
  2013年以降、ディープラーニングベースの研究は勢いを増し、すべてのディープラーニング研究におけるグラフベースのアプローチの速度は、次の10年間で1%から4%へと直線的に上昇した、と概説されている。 近年の類似した性能にもかかわらず、グラフベースの研究は、従来のアプローチに比べて2倍の引用性能を示している。
  論文  参考訳（メタデータ） (2022-10-13T20:23:43Z)
• Citation Trajectory Prediction via Publication Influence Representation Using Temporal Knowledge Graph [52.07771598974385]
  既存のアプローチは主に学術論文の時間的データとグラフデータのマイニングに依存している。 本フレームワークは,差分保存グラフ埋め込み,きめ細かい影響表現,学習に基づく軌道計算という3つのモジュールから構成される。 APSアカデミックデータセットとAIPatentデータセットの両方で実験を行った。
  論文  参考訳（メタデータ） (2022-10-02T07:43:26Z)
• 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)
• A Measure of Research Taste [91.3755431537592]
  生産性と味の両方に報いる引用に基づく尺度を提案する。 提示された尺度capは、出版物とその量の影響のバランスをとる。 本研究では, 生物学, 計算機科学, 経済学, 物理分野の研究者を対象に, capの特性を解析した。
  論文  参考訳（メタデータ） (2021-05-17T18:01:47Z)
• 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)
• Structured Citation Trend Prediction Using Graph Neural Networks [6.325999141414098]
  本論文では,公開時に論文のトップセットを予測するGNNベースのアーキテクチャを提案する。 実験では,さまざまなカンファレンスを対象とした学術的引用グラフの集合をキュレートし,提案モデルがF1スコアで他の古典的機械学習モデルより優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-06T14:58:29Z)
• 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)
• Utilizing Citation Network Structure to Predict Citation Counts: A Deep Learning Approach [0.0]
  本稿では,情報カスケードの効果を組み合わせ,引用数予測問題に注目するエンド・ツー・エンドのディープラーニングネットワークであるDeepCCPを提案する。 6つの実データ集合の実験によると、DeepCCPは引用数予測の精度において最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2020-09-06T05:27:50Z)

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。