論文の概要: Effects of Vertex Merging & Splitting on Large Coauthorship Networks: A Counterfactual Analysis

• arxiv url: http://arxiv.org/abs/2605.31555v1
• Date: Fri, 29 May 2026 17:19:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.7665
• Title: Effects of Vertex Merging & Splitting on Large Coauthorship Networks: A Counterfactual Analysis
• Title（参考訳）: バーテックス・マージ・スプリッティングが大規模共著者ネットワークに及ぼす影響:逆解析
• Abstract要約: 本研究は, 名前あいまいさのネットワーク測定によって, 異なる頂点の融合と分割誤差のレベルがどのように引き起こされるかを検討する。 初期ベースの曖昧さは、特定のネットワーク特性を過小評価したコオーサシップネットワークを生成する。 対照的に、他のネットワークメトリック値は増加し、著者はより協力的になり、より断片化された研究コミュニティに埋め込まれるようになる。
• 参考スコア（独自算出の注目度）: 2.351268385561458
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Researchers analyze coauthorship networks, but author name ambiguity in their network data remains a significant challenge as it can change the number of vertices, distorting network properties. Although many scholars use straightforward heuristics for author name disambiguation using author's forename initials, these techniques can skew our understanding of network properties by merging or splitting vertices, raising concerns about the reliability and validity of these methods. This study investigates how different levels of vertex merging and splitting errors that are induced by name ambiguity impact network measures, using three large coauthorship networks with highly accurate algorithmic author name disambiguation. As a counterfactual scenario, two initial-based disambiguation methods widely used in coauthorship network research were applied to these datasets. Nine coauthorship network metrics were computed while varying randomly the numbers of merged or split vertices. Results show that initial-based disambiguation generates coauthorship networks with specific network properties underestimated, leading to the discovery of coauthorship networks that are smaller and more closely connected than they genuinely are. In contrast, other network metric values increase, making authors appear more collaborative and embedded within less fragmented research communities than they are. The study emphasizes the importance of careful disambiguation of vertex names in analyzing coauthorship networks for rigorous and valid findings.
• Abstract（参考訳）: 研究者は共著者ネットワークを解析するが、ネットワークデータの著者名あいまいさは、ネットワーク特性を歪ませる頂点の数を変えることができるため、依然として大きな課題である。 多くの学者は著者のフォアネームイニシャルを使って著者名の曖昧さを曖昧にするために単純なヒューリスティックスを使用しているが、これらの手法は、頂点をマージしたり分割したりすることで、ネットワーク特性の理解を損なうことができ、これらの手法の信頼性と妥当性に関する懸念を提起することができる。 本研究では,高度に正確なアルゴリズムによる著者名不明瞭化を伴う3つの大規模共著者ネットワークを用いて,名前あいまいさによって引き起こされる頂点のマージと分割誤差の異なるレベルについて検討した。 逆のシナリオとして、コオーサシップネットワーク研究で広く使われている2つの初期ベース曖昧化手法がこれらのデータセットに適用された。 9つの共オーサシップネットワークメトリクスが計算され、マージされたり分割されたりした頂点の数がランダムに変化する。 その結果, ネットワーク特性を過小評価したコオーサシップネットワークが生成され, 真のネットワークよりも小さく, より密接なコオーサシップネットワークが発見された。 対照的に、他のネットワークメトリック値は増加し、著者はより協力的になり、より断片化された研究コミュニティに埋め込まれるようになる。 本研究は,厳密かつ有効な発見のためのコオーサシップネットワークの分析において,頂点名の注意深い曖昧さの重要性を強調した。

関連論文リスト

• BotTrans: A Multi-Source Graph Domain Adaptation Approach for Social Bot Detection [55.31623652907614]
  ソーシャルボットを検出するために,textitBotTrans というマルチソースグラフドメイン適応モデルを提案する。 まず、複数のソースネットワーク間で共有されるラベル付けの知識を活用して、クロスソースドメイントポロジを確立します。 次に、ソースノード埋め込みの識別性を高めるために、クロスドメイン隣の情報を集約する。
  論文  参考訳（メタデータ） (2025-06-12T02:10:36Z)
• Probing the statistical properties of enriched co-occurrence networks [0.0]
  本研究では,テキストベースネットワークモデルの2つの重要な統計特性について検討する。 仮想エッジを組み込むと、特定のネットワークメトリックによって正および負の効果が得られることを示す。 私たちの結果は、特定のアプリケーションに最も適したネットワークメトリクスを決定するためのガイドラインとして役立ちます。
  論文  参考訳（メタデータ） (2024-12-03T18:38:14Z)
• Exploring Structural Dynamics in Retracted and Non-Retracted Author's Collaboration Networks: A Quantitative Analysis [0.5497663232622965]
  リトラクションは科学文献の信頼性と将来の研究の基盤を損なう。 本研究では, 抽出紙と非抽出紙のネットワーク構造を比較した。 リトラクションされたネットワークは階層的かつ集中的な構造を示し、非リトラクションされたネットワークはより強力なクラスタリングと接続性を備えた分散コラボレーションを示した。
  論文  参考訳（メタデータ） (2024-11-26T14:04:36Z)
• Sifting out communities in large sparse networks [2.666294200266662]
  大規模ネットワークにおけるクラスタリングの結果の質を定量化するための直感的な客観的関数を導入する。 この領域に特に適したコミュニティを特定するために,2段階の手法を用いる。 数万のノードからなる大規模ネットワークにおける複雑な遺伝的相互作用を同定する。
  論文  参考訳（メタデータ） (2024-05-01T18:57:41Z)
• T-GAE: Transferable Graph Autoencoder for Network Alignment [79.89704126746204]
  T-GAEはグラフオートエンコーダフレームワークで、GNNの転送性と安定性を活用して、再トレーニングなしに効率的なネットワークアライメントを実現する。 実験の結果、T-GAEは最先端の最適化手法と最高のGNN手法を最大38.7%、50.8%で上回っていることがわかった。
  論文  参考訳（メタデータ） (2023-10-05T02:58:29Z)
• 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)
• Identifying Influential Nodes in Two-mode Data Networks using Formal Concept Analysis [0.0]
  Bi-face (BF) は、2モードネットワークにおける重要なノードを特定するための新しい二部集中度測定である。 オフ・ザ・シェルフ中心性指数とは違って、あるノードが隣り合うノードに粘着的サブ構造がどう影響するかを双斜線で定量化する。 いくつかの実世界および合成ネットワークに関する実験は、既存の顕著な二分極集中度よりもBFの効率が良いことを示す。
  論文  参考訳（メタデータ） (2021-09-07T23:57:05Z)
• Multi-Source Domain Adaptation for Object Detection [52.87890831055648]
  我々は、Divide-and-Merge Spindle Network (DMSN)と呼ばれる、より高速なR-CNNベースのフレームワークを提案する。 DMSNはドメイン非ネイティブを同時に強化し、識別力を維持することができる。 擬似目標部分集合の最適パラメータを近似する新しい擬似学習アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-06-30T03:17:20Z)
• Unveiling Anomalous Edges and Nominal Connectivity of Attributed Networks [53.56901624204265]
  本研究では、相補的な強さを持つ2つの異なる定式化を用いて、属性グラフの異常なエッジを明らかにする。 まず、グラフデータマトリックスを低ランクとスパースコンポーネントに分解することで、パフォーマンスを著しく向上させる。 第2は、乱れのないグラフを頑健に復元することにより、第1のスコープを広げ、異常識別性能を高める。
  論文  参考訳（メタデータ） (2021-04-17T20:00:40Z)
• Anomaly Detection on Attributed Networks via Contrastive Self-Supervised Learning [50.24174211654775]
  本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。 このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。 高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-02-27T03:17:20Z)
• 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)

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。