論文の概要: Improving Community Detection in Academic Networks by Handling Publication Bias
- arxiv url: http://arxiv.org/abs/2507.20449v1
- Date: Mon, 28 Jul 2025 00:48:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-29 16:23:57.758642
- Title: Improving Community Detection in Academic Networks by Handling Publication Bias
- Title(参考訳): 公開バイアス処理による学術ネットワークのコミュニティ検出の改善
- Authors: Md Asaduzzaman Noor, John Sheppard, Jason Clark,
- Abstract要約: SciBERTモデルを微調整したBERTopicを用いたトピックベースの研究ネットワークを構築した。
主要な課題は出版の不均衡であり、研究者の中には他の研究者よりもはるかに多く出版する者もいる。
我々は、研究者の出版物をクラスタ化し、各クラスタを独立したノードとして扱うクローン戦略を導入する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Finding potential research collaborators is a challenging task, especially in today's fast-growing and interdisciplinary research landscape. While traditional methods often rely on observable relationships such as co-authorships and citations to construct the research network, in this work, we focus solely on publication content to build a topic-based research network using BERTopic with a fine-tuned SciBERT model that connects and recommends researchers across disciplines based on shared topical interests. A major challenge we address is publication imbalance, where some researchers publish much more than others, often across several topics. Without careful handling, their less frequent interests are hidden under dominant topics, limiting the network's ability to detect their full research scope. To tackle this, we introduce a cloning strategy that clusters a researcher's publications and treats each cluster as a separate node. This allows researchers to be part of multiple communities, improving the detection of interdisciplinary links. Evaluation on the proposed method shows that the cloned network structure leads to more meaningful communities and uncovers a broader set of collaboration opportunities.
- Abstract(参考訳): 潜在的な研究協力者を見つけることは、特に今日の急速に成長し、学際的な研究環境において難しい課題である。
従来の手法では,研究ネットワーク構築のための共著者や引用などの観測可能な関係に頼っていることが多いが,本研究では,共有する話題の関心事に基づく分野にまたがって研究者を推薦する細調整SciBERTモデルを用いて,BERTopicを用いたトピックベースの研究ネットワークを構築するために,出版コンテンツのみに焦点をあてる。
主要な課題は、出版の不均衡であり、研究者の中には、しばしばいくつかのトピックにまたがって、他よりも多くの論文を発行する者もいる。
注意深い処理がなければ、彼らの関心の少ないものは支配的なトピックの下に隠され、ネットワークの完全な研究範囲を検出する能力が制限される。
これを解決するために、研究者の出版物をクラスタ化し、各クラスタを独立したノードとして扱うクローン戦略を導入する。
これにより、研究者は複数のコミュニティの一員となり、学際的リンクの検出を改善した。
提案手法の評価は,クローン化されたネットワーク構造がより意味のあるコミュニティに結びつき,より広範なコラボレーションの機会を明らかにすることを示唆している。
関連論文リスト
- Modular versus Hierarchical: A Structural Signature of Topic Popularity in Mathematical Research [0.0]
本研究では,研究トピックの人気が,そのトピックのコラボレーションネットワークの構造とどのように関連しているかを検討する。
その結果,トピックの選択は,基本的に異なる2つの協調環境間の暗黙の選択であることが示唆された。
論文 参考訳(メタデータ) (2025-06-28T16:39:57Z) - Not real or too soft? On the challenges of publishing interdisciplinary software engineering research [4.597329752530121]
ソフトウェア工学の分野は、社会的および技術的な側面を組み合わせる。
ソフトウェアエンジニアリングの会場に提出された学際的な研究は、伝統的なトピックや技術的なトピックと同じレベルの認識を受けられないかもしれない。
論文 参考訳(メタデータ) (2025-01-11T12:18:46Z) - DiscipLink: Unfolding Interdisciplinary Information Seeking Process via Human-AI Co-Exploration [34.23942131024738]
本稿では,研究者と大規模言語モデル(LLM)の協調を支援する対話型システムであるDiscipLinkを紹介する。
ユーザの関心事に基づいて、DiscipLinkは、関連する研究分野の観点から探索的な質問を開始する。
本評価は, 対象内比較実験とオープンエンド探索研究からなり, ディシプリンクは, 学際境界を断ち切る上で, 研究者を効果的に支援できることを示した。
論文 参考訳(メタデータ) (2024-08-01T10:36:00Z) - ResearchAgent: Iterative Research Idea Generation over Scientific Literature with Large Language Models [56.08917291606421]
ResearchAgentは、新しい作品のアイデアと運用のためのAIベースのシステムである。
ResearchAgentは、新しい問題を自動で定義し、手法と設計実験を提案し、繰り返し修正する。
我々は、複数の分野にわたる科学論文に関するResearchAgentを実験的に検証した。
論文 参考訳(メタデータ) (2024-04-11T13:36:29Z) - SurveyAgent: A Conversational System for Personalized and Efficient Research Survey [50.04283471107001]
本稿では,研究者にパーソナライズされた効率的な調査支援を目的とした会話システムであるSurveyAgentを紹介する。
SurveyAgentは3つの重要なモジュールを統合している。文書を整理するための知識管理、関連する文献を発見するための勧告、より深いレベルでコンテンツを扱うためのクエリ回答だ。
本評価は,研究活動の合理化におけるSurveyAgentの有効性を実証し,研究者の科学文献との交流を促進する能力を示すものである。
論文 参考訳(メタデータ) (2024-04-09T15:01:51Z) - A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual Learning [58.107474025048866]
蓄積とは、以前に獲得した知識の喪失または劣化を指す。
フォッテッティングは、深層学習における様々な研究領域でよく見られる現象である。
論文 参考訳(メタデータ) (2023-07-16T16:27:58Z) - Frequent Itemset-driven Search for Finding Minimum Node Separators in
Complex Networks [61.2383572324176]
本稿では,データマイニングにおける頻繁なアイテムセットマイニングの概念をよく知られたメメティック検索フレームワークに統合する,頻繁なアイテムセット駆動探索手法を提案する。
頻繁なアイテムセット組換え演算子を反復的に使用して、高品質なソリューションで頻繁に発生するアイテムセットに基づいた有望な子孫ソリューションを生成する。
特に、29個の新しい上界を発見し、以前の18個の最もよく知られた境界と一致する。
論文 参考訳(メタデータ) (2022-01-18T11:16:40Z) - Bridger: Toward Bursting Scientific Filter Bubbles and Boosting
Innovation via Novel Author Discovery [22.839876884227536]
ブリッジャー(Bridger)は、学者とその研究の発見を促進するシステムである。
論文から抽出した情報と推論されたペルソナを用いて著者の顔表現を構築する。
我々は、科学者間の共通点とコントラストを見つけるアプローチを開発する。
論文 参考訳(メタデータ) (2021-08-12T11:24:23Z) - 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) - Weight-Sharing Neural Architecture Search: A Battle to Shrink the
Optimization Gap [90.93522795555724]
ニューラルアーキテクチャサーチ(NAS)は、学術と産業の両方で注目を集めている。
重み共有手法は、多くのアーキテクチャが同一のスーパーネットワークで重みを共有している。
本稿では,NAS,特に重み付け手法に関する文献レビューを行う。
論文 参考訳(メタデータ) (2020-08-04T11:57:03Z)
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。