論文の概要: A Comprehensive Study of Groundbreaking Machine Learning Research:
Analyzing Highly Cited and Impactful Publications across Six Decades
- arxiv url: http://arxiv.org/abs/2308.00855v1
- Date: Tue, 1 Aug 2023 21:43:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-03 14:29:25.489300
- Title: A Comprehensive Study of Groundbreaking Machine Learning Research:
Analyzing Highly Cited and Impactful Publications across Six Decades
- Title（参考訳）: グラウンドブレーキング機械学習研究の総合的研究:6年間にわたる高濃度・インパクトのある出版物の分析
- Authors: Absalom E. Ezugwu, Japie Greeff, Yuh-Shan Ho
- Abstract要約: 機械学習(ML)は、コンピュータ科学やその他の関連分野の研究分野として注目されている。
重要なトレンド、影響力のある著者、そしてこれまでの重要な貢献を識別するために、高度に引用された出版物の風景を理解することが不可欠である。
- 参考スコア（独自算出の注目度）: 3.2872586139884623
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Machine learning (ML) has emerged as a prominent field of research in
computer science and other related fields, thereby driving advancements in
other domains of interest. As the field continues to evolve, it is crucial to
understand the landscape of highly cited publications to identify key trends,
influential authors, and significant contributions made thus far. In this
paper, we present a comprehensive bibliometric analysis of highly cited ML
publications. We collected a dataset consisting of the top-cited papers from
reputable ML conferences and journals, covering a period of several years from
1959 to 2022. We employed various bibliometric techniques to analyze the data,
including citation analysis, co-authorship analysis, keyword analysis, and
publication trends. Our findings reveal the most influential papers, highly
cited authors, and collaborative networks within the machine learning
community. We identify popular research themes and uncover emerging topics that
have recently gained significant attention. Furthermore, we examine the
geographical distribution of highly cited publications, highlighting the
dominance of certain countries in ML research. By shedding light on the
landscape of highly cited ML publications, our study provides valuable insights
for researchers, policymakers, and practitioners seeking to understand the key
developments and trends in this rapidly evolving field.
- Abstract（参考訳）: 機械学習(ML)は、コンピュータ科学やその他の関連分野の研究の顕著な分野として登場し、他の分野の関心を喚起している。
この分野が発展を続けるにつれて、重要なトレンド、影響力のある著者、そしてこれまでの重要な貢献を識別するために、高度に引用された出版物の風景を理解することが不可欠である。
本稿では,高度に引用されたML出版物の総合的文献計測分析を行う。
1959年から2022年までの数年間にわたるMLカンファレンスやジャーナルから,上位に暗唱された論文からなるデータセットを収集した。
本研究では,引用分析,共著者分析,キーワード分析,出版トレンドなど,さまざまな書誌分析手法を用いて分析を行った。
その結果,最も影響力のある論文,高度に引用された著者,および機械学習コミュニティ内の協調ネットワークが明らかになった。
人気の高い研究テーマを特定し,近年注目されている話題を明らかにする。
さらに,高引用率出版物の地理的分布について検討し,ml研究における特定の国の支配を強調する。
高度に引用されたML出版物の状況に光を当てることで、この急速に発展する分野における重要な発展と動向を理解しようとする研究者、政策立案者、実践者に貴重な洞察を提供する。
関連論文リスト
- Classical Machine Learning: Seventy Years of Algorithmic Learning Evolution [1.121816400852218]
機械学習(ML)は多くの分野を変えてきたが、その基礎研究を理解することは、その継続的な進歩に不可欠である。
本稿では,古典的MLアルゴリズムの概要を概説し,12年間にわたる最先端の出版物について考察する。
我々は、著名なMLカンファレンスやジャーナルから引用された論文のデータセットを分析し、引用とキーワード分析を用いて批判的な洞察を明らかにした。
論文 参考訳（メタデータ） (2024-08-03T11:07:10Z) - Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。
1つの簡単な解決策は、統計分析と機械学習を統合することである。
埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文 参考訳（メタデータ） (2024-06-16T14:49:19Z) - 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) - A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [58.6354685593418]
本稿では, レビューを評価するために, 記事レベル, フィールド正規化, 大規模言語モデルを用いた書誌指標を提案する。
新たに登場したAI生成の文献レビューも評価されている。
この研究は、文学レビューの現在の課題についての洞察を与え、彼らの開発に向けた今後の方向性を思い起こさせる。
論文 参考訳（メタデータ） (2024-02-20T11:28:50Z) - 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) - Analyzing the State of Computer Science Research with the DBLP Discovery
Dataset [0.0]
我々は、CSメタデータに隠された暗黙のパターンを明らかにするために、サイエントメトリック分析を行う。
各種ダッシュボード,フィルタ,ビジュアライゼーションを用いてCS出版物を解析するインタラクティブWebアプリケーションであるCS-Insightsシステムを紹介した。
D3とCS-Insightsはどちらもオープンアクセス可能で、CS-Insightsは将来的に他のデータセットに容易に適応できる。
論文 参考訳（メタデータ） (2022-12-01T16:27:42Z) - Investigating Fairness Disparities in Peer Review: A Language Model
Enhanced Approach [77.61131357420201]
我々は、大規模言語モデル(LM)の助けを借りて、ピアレビューにおける公平性格差の徹底した厳密な研究を行う。
我々は、2017年から現在までのICLR(International Conference on Learning Representations)カンファレンスで、包括的なリレーショナルデータベースを収集、組み立て、維持しています。
我々は、著作者性別、地理、著作者、機関的名声など、興味のある複数の保護属性に対する公平性の違いを仮定し、研究する。
論文 参考訳（メタデータ） (2022-11-07T16:19:42Z) - Characterising Research Areas in the field of AI [68.8204255655161]
トピックの共起ネットワーク上でクラスタリング分析を行うことで,主要な概念テーマを特定した。
その結果は、ディープラーニングや機械学習、物のインターネットといった研究テーマに対する学術的関心の高まりを浮き彫りにしている。
論文 参考訳（メタデータ） (2022-05-26T16:30:30Z) - Studying the characteristics of scientific communities using
individual-level bibliometrics: the case of Big Data research [2.208242292882514]
我々は,ビッグデータ研究に携わる作家コミュニティの学齢,生産,研究の焦点について検討する。
以上の結果から,「ビッグデータ」の学術領域は,著者のコミュニティが拡大する中で,近年の話題となっている。
論文 参考訳（メタデータ） (2021-06-10T08:17:09Z) - Semantic and Relational Spaces in Science of Science: Deep Learning
Models for Article Vectorisation [4.178929174617172]
我々は、自然言語処理(NLP)とグラフニューラルネットワーク(GNN)を用いて、記事の意味的・関係的な側面に基づく文書レベルの埋め込みに焦点を当てる。
論文のセマンティックな空間をNLPでエンコードできるのに対し、GNNでは研究コミュニティの社会的実践をエンコードするリレーショナルな空間を構築することができる。
論文 参考訳（メタデータ） (2020-11-05T14:57:41Z) - Topic Space Trajectories: A case study on machine learning literature [0.0]
本稿では,研究トピックの包括的追跡を可能にする構造であるトピック空間トラジェクトリを提案する。
我々は,32の出版会場から50年間の機械学習研究を対象とする出版コーパスへのアプローチの適用性を示した。
本手法は,論文分類,今後の研究課題の予測,未発表の論文提出のための会議や雑誌の掲載を推奨するために利用することができる。
論文 参考訳（メタデータ） (2020-10-23T10:53:42Z)
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。