論文の概要: Examining Different Research Communities: Authorship Network

• arxiv url: http://arxiv.org/abs/2409.00081v1
• Date: Sat, 24 Aug 2024 19:04:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-08 15:21:17.465695
• Title: Examining Different Research Communities: Authorship Network
• Title（参考訳）: 異なる研究コミュニティを理解する:オーサリングネットワーク
• Authors: Shrabani Ghosh,
• Abstract要約: コンピュータサイエンスの2つの異なる研究領域、データマイニングとソフトウェアエンジニアリングのためのGoogle Scholarデータを収集しました。 研究者データベースリソースは、ネットワーク分析、データマイニング、著者ネットワークを介して著者間のリンクを特定するために強力である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Google Scholar is one of the top search engines to access research articles across multiple disciplines for scholarly literature. Google scholar advance search option gives the privilege to extract articles based on phrases, publishers name, authors name, time duration etc. In this work, we collected Google Scholar data (2000-2021) for two different research domains in computer science: Data Mining and Software Engineering. The scholar database resources are powerful for network analysis, data mining, and identify links between authors via authorship network. We examined coauthor-ship network for each domain and studied their network structure. Extensive experiments are performed to analyze publications trend and identifying influential authors and affiliated organizations for each domain. The network analysis shows that the networks features are distinct from one another and exhibit small communities within the influential authors of a particular domain.
• Abstract（参考訳）: Google Scholarは、学術文献の分野にまたがる研究論文にアクセスするためのトップ検索エンジンの1つだ。 Googleの学者による事前検索オプションでは、フレーズ、出版社名、著者名、期間などに基づいて記事の抽出を行うことができる。 本研究では,コンピュータ科学の2つの異なる研究領域であるデータマイニングとソフトウェア工学について,Google Scholarデータ(2000-2021)を収集した。 研究者データベースリソースは、ネットワーク分析、データマイニング、著者ネットワークを介して著者間のリンクを特定するために強力である。 各ドメインの共著者シップネットワークを調査し,そのネットワーク構造について検討した。 出版物の動向を分析し、各分野の影響力のある著作者や関連団体を特定するための大規模な実験が実施されている。 ネットワーク分析により、ネットワークの特徴は互いに異なることが示され、特定のドメインの影響力のある著者の中に小さなコミュニティが存在している。

関連論文リスト

• Deep Author Name Disambiguation using DBLP Data [7.081604594416337]
  著者名Ambiguity(ANA)は、デジタル図書館において重要なオープン問題と考えられている。 本稿では,著者名と現実の実体をリンクする著者名曖昧化(AND)アプローチを提案する。
  論文  参考訳（メタデータ） (2023-03-17T15:50:00Z)
• The Semantic Scholar Open Data Platform [79.4493235243312]
  セマンティック・スカラー(Semantic Scholar、S2)は、学術文献の発見と理解を支援することを目的としたオープンデータプラットフォームおよびウェブサイトである。 我々は、学術的なPDFコンテンツ抽出と知識グラフの自動構築のための最先端技術を用いて、パブリックおよびプロプライエタリなデータソースを組み合わせる。 このグラフには、構造解析されたテキスト、自然言語要約、ベクトル埋め込みなどの高度な意味的特徴が含まれている。
  論文  参考訳（メタデータ） (2023-01-24T17:13:08Z)
• Research Topic Flows in Co-Authorship Networks [0.0]
  本稿では,研究論文の著者とその研究分野間の流れを解析するためのグラフ構造を提案する。 我々の方法は、出版物のコーパス(すなわち、著者と抽象的な情報)のみを構築するために必要である。 本手法をコンピュータ科学と数学の分野で60年以上研究されてきた論文20冊の総合コーパスに適用することにより,TFNの有用性を実証する。
  論文  参考訳（メタデータ） (2022-06-16T07:45:53Z)
• TeKo: Text-Rich Graph Neural Networks with External Knowledge [75.91477450060808]
  外部知識を用いた新しいテキストリッチグラフニューラルネットワーク(TeKo)を提案する。 まず、高品質なエンティティを組み込んだフレキシブルな異種セマンティックネットワークを提案する。 次に、構造化三重項と非構造化実体記述という2種類の外部知識を導入する。
  論文  参考訳（メタデータ） (2022-06-15T02:33:10Z)
• 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)
• Graph Neural Networks: a bibliometrics overview [0.6445605125467572]
  本研究は,GNN研究の動向を定量的かつ質的に評価することを目的としている。 アメリカ、中国、カナダでは最も多産または影響の大きい機関が発見されている。 グラフ畳み込みネットワークとアテンション機構の応用は、現在、GNN研究のホットトピックとなっている。
  論文  参考訳（メタデータ） (2022-01-03T07:37:40Z)
• A Search Engine for Scientific Publications: a Cybersecurity Case Study [0.7734726150561086]
  本研究は,情報検索と読解アルゴリズムを組み合わせた科学出版のための新しい検索エンジンを提案する。 提案手法は,サイバーセキュリティの文脈に適用されているものの,高度な一般化能力を示し,他の異なる知識領域の下で容易に適用可能である。
  論文  参考訳（メタデータ） (2021-06-30T20:10:04Z)
• A New Neural Search and Insights Platform for Navigating and Organizing AI Research [56.65232007953311]
  我々は、古典的なキーワード検索とニューラル検索を組み合わせた新しいプラットフォームであるAI Research Navigatorを導入し、関連する文献を発見し整理する。 本稿では,システム全体のアーキテクチャの概要と,文書分析,質問応答,検索,分析,専門家検索,レコメンデーションの構成要素について概説する。
  論文  参考訳（メタデータ） (2020-10-30T19:12:25Z)
• NAS-Navigator: Visual Steering for Explainable One-Shot Deep Neural Network Synthesis [53.106414896248246]
  本稿では,分析者がドメイン知識を注入することで,解のサブグラフ空間を効果的に構築し,ネットワーク探索をガイドするフレームワークを提案する。 このテクニックを反復的に適用することで、アナリストは、与えられたアプリケーションに対して最高のパフォーマンスのニューラルネットワークアーキテクチャに収束することができる。
  論文  参考訳（メタデータ） (2020-09-28T01:48:45Z)
• Pairwise Learning for Name Disambiguation in Large-Scale Heterogeneous Academic Networks [81.00481125272098]
  本稿では,MA-PairRNN(Multi-view Attention-based Pairwise Recurrent Neural Network)を提案する。 MA-PairRNNは、不均一グラフ埋め込み学習とペアワイズ類似学習をフレームワークに統合する。 実世界の2つのデータセットの結果から、我々のフレームワークは名前の曖昧さに対するパフォーマンスを著しく一貫した改善をしていることがわかる。
  論文  参考訳（メタデータ） (2020-08-30T06:08:20Z)
• Two Huge Title and Keyword Generation Corpora of Research Articles [0.0]
  本稿では,テキスト要約(OAGSX)とキーワード生成(OAGKX)の2つの巨大なデータセットを紹介する。 データは、研究プロファイルと出版物のネットワークであるOpen Academic Graphから取得された。 より具体的な分野から研究論文のサブセットを導出するために、この2つの集合にトピックモデリングを適用したい。
  論文  参考訳（メタデータ） (2020-02-11T21:17:29Z)

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。