論文の概要: Exploring Academic Influence of Algorithms by Co-occurrence Network Based on Full-text of Academic Papers

• arxiv url: http://arxiv.org/abs/2606.24099v1
• Date: Tue, 23 Jun 2026 03:26:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.755136
• Title: Exploring Academic Influence of Algorithms by Co-occurrence Network Based on Full-text of Academic Papers
• Title（参考訳）: 学術論文の全文に基づく共起ネットワークによるアルゴリズムの学術的影響の探索
• Authors: Yuzhuo Wang, Chengzhi Zhang, Min Song, Seong Deok Kim, Youngsoo Ko, Juhee Lee,
• Abstract要約: 本研究では,学術論文の全文に基づいて,自然言語処理(NLP)における大規模アルゴリズム共起ネットワークを構築する。 ディープラーニングモデルを用いて、アルゴリズムエンティティを抽出し、総合的、累積的、年次共起ネットワークを構築する。 我々はそれらの構造特性を分析し、フィールド全体および時間とともにアルゴリズムの集団的影響を評価するために複数の集中度尺度を適用した。
• 参考スコア（独自算出の注目度）: 6.614182820112775
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Algorithms have become central to scientific research in the era of artificial intelligence (AI). Although algorithm mentions in papers are often used to indicate popularity and influence, existing studies usually evaluate individual algorithms in isolation and pay limited attention to the collective influence formed through their interconnections. This study constructs large-scale algorithm co-occurrence networks in natural language processing (NLP) based on the full text of academic papers and investigates algorithm influence from a network perspective. Using deep learning models, we extract algorithm entities and build overall, cumulative, and annual co-occurrence networks. We analyze their structural characteristics and apply multiple centrality measures to assess the group influence of algorithms across the whole field and over time. The results show that algorithm networks display typical features of complex networks, with increasingly dense connections developing over approximately two decades. Classic, high-performing algorithms and those located at the intersections of different research periods tend to have high popularity, control, centrality, and balanced influence. When the influence of an algorithm declines, it usually loses its core network position first, followed by weaker associations with other algorithms. This study is the first large-scale analysis of algorithm co-occurrence networks. Covering more than four decades of academic publications, it provides a temporal and structural view of algorithm influence and offers a foundation for future research on networks linking algorithms, scholars, and tasks.
• Abstract（参考訳）: アルゴリズムは人工知能(AI)の時代に科学研究の中心となった。 論文におけるアルゴリズムの言及は、しばしば人気と影響力を示すために使われるが、既存の研究は通常、個別のアルゴリズムを独立して評価し、相互接続によって形成された集団的影響に限定的な注意を払っている。 本研究では,学術論文の全文に基づいて,自然言語処理(NLP)における大規模アルゴリズム共起ネットワークを構築し,ネットワークの観点からアルゴリズムの影響について検討する。 ディープラーニングモデルを用いて、アルゴリズムエンティティを抽出し、総合的、累積的、年次共起ネットワークを構築する。 我々はそれらの構造特性を分析し、フィールド全体および時間とともにアルゴリズムの集団的影響を評価するために複数の集中度尺度を適用した。 その結果、アルゴリズムネットワークは複雑なネットワークの典型的な特徴を示しており、およそ20年以上にわたってますます密接な接続が発達していることがわかった。 古典的で高性能なアルゴリズムと、異なる研究期間の交差点に位置するものは、高い人気、コントロール、中央集権性、バランスの取れた影響を持つ傾向がある。 アルゴリズムの影響が低下すると、通常はコアネットワークの位置を失う。 本研究は,アルゴリズム共起ネットワークの大規模解析としては初めてである。 40年以上にわたる学術出版をカバーし、アルゴリズムの影響に関する時間的・構造的な見解を提供し、アルゴリズム、学者、タスクをリンクするネットワークの研究の基盤を提供する。

関連論文リスト

• NAR-*ICP: Neural Execution of Classical ICP-based Pointcloud Registration Algorithms [16.025166074715816]
  本研究ではニューラルネットワークと古典ロボットアルゴリズムの交点をニューラルアルゴリズム推論(NAR)ブループリントを用いて検討する。 我々は,従来のICPベース登録アルゴリズムの中間計算を学習する新しいグラフニューラルネットワーク(GNN)ベースのフレームワークであるNAR-*ICPを提案する。 我々は、実世界のデータセットと合成データセットにまたがるアプローチを評価し、複雑な入力を扱う際の柔軟性を実証した。
  論文  参考訳（メタデータ） (2024-10-14T19:33:46Z)
• Enhancing Community Detection in Networks: A Comparative Analysis of Local Metrics and Hierarchical Algorithms [49.1574468325115]
  本研究は,地域間類似度指標を用いた地域検出の関連性を評価するために,同じ手法を用いている。 これらの指標の有効性は,異なるコミュニティサイズを持つ複数の実ネットワークにベースアルゴリズムを適用して評価した。
  論文  参考訳（メタデータ） (2024-08-17T02:17:09Z)
• From Decoding to Meta-Generation: Inference-time Algorithms for Large Language Models [63.188607839223046]
  この調査は、推論中に計算をスケールするメリットに焦点を当てている。 我々はトークンレベルの生成アルゴリズム、メタジェネレーションアルゴリズム、効率的な生成という3つの領域を統一的な数学的定式化の下で探索する。
  論文  参考訳（メタデータ） (2024-06-24T17:45:59Z)
• On the Convergence of Distributed Stochastic Bilevel Optimization Algorithms over a Network [55.56019538079826]
  バイレベル最適化は、幅広い機械学習モデルに適用されている。 既存のアルゴリズムの多くは、分散データを扱うことができないように、シングルマシンの設定を制限している。 そこで我々は,勾配追跡通信機構と2つの異なる勾配に基づく分散二段階最適化アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-06-30T05:29:52Z)
• The CLRS Algorithmic Reasoning Benchmark [28.789225199559834]
  アルゴリズムの学習表現は機械学習の新たな領域であり、ニューラルネットワークから古典的なアルゴリズムで概念をブリッジしようとしている。 本稿では,従来のアルゴリズムを包括するCLRS Algorithmic Reasoning Benchmarkを提案する。 我々のベンチマークは、ソート、探索、動的プログラミング、グラフアルゴリズム、文字列アルゴリズム、幾何アルゴリズムなど、様々なアルゴリズムの推論手順にまたがっている。
  論文  参考訳（メタデータ） (2022-05-31T09:56:44Z)
• Phase Retrieval using Expectation Consistent Signal Recovery Algorithm based on Hypernetwork [73.94896986868146]
  位相検索は現代の計算イメージングシステムにおいて重要な要素である。 近年のディープラーニングの進歩は、堅牢で高速なPRの新たな可能性を開いた。 我々は、既存の制限を克服するために、深層展開のための新しいフレームワークを開発する。
  論文  参考訳（メタデータ） (2021-01-12T08:36:23Z)
• Using the Full-text Content of Academic Articles to Identify and Evaluate Algorithm Entities in the Domain of Natural Language Processing [7.163189900803623]
  本稿では、自然言語処理(NLP)の分野を例として取り上げ、この分野の学術論文からアルゴリズムを同定する。 論文内容を手動で注釈付けしてアルゴリズムの辞書を構築し、辞書にアルゴリズムを含む文を辞書ベースのマッチングにより抽出する。 アルゴリズムに言及する記事の数は、そのアルゴリズムの影響を分析する指標として使用される。
  論文  参考訳（メタデータ） (2020-10-21T08:24:18Z)
• MODEL: Motif-based Deep Feature Learning for Link Prediction [23.12527010960999]
  本稿では,ネットワークモチーフを組み込んだ新しい埋め込みアルゴリズムを提案する。 実験は、ソーシャルネットワーク、生物学的ネットワーク、学術ネットワークの3種類のネットワークで実施された。 我々のアルゴリズムは従来の類似性に基づくアルゴリズムを20%、組込み型アルゴリズムを19%上回っている。
  論文  参考訳（メタデータ） (2020-08-09T03:39:28Z)
• A Brief Look at Generalization in Visual Meta-Reinforcement Learning [56.50123642237106]
  メタ強化学習アルゴリズムの一般化性能を評価する。 これらのアルゴリズムは、困難なタスクで評価された場合、強いオーバーフィッティングを示すことができる。
  論文  参考訳（メタデータ） (2020-06-12T15:17:17Z)

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。