[論文レビュー] Clustering of scientific citations in Wikipedia

Finn Årup Nielsen|arXiv (Cornell University)|Jan 1, 2008

Wikis in Education and Collaboration被引用数 9

ひとこと要約

本稿では、Wikipedia（記事×ジャーナル）の引用行列に対して非負値行列分解（NMF）を適用し、記事とジャーナルのソフトクラスタリングを実行することで、背後にある科学的トピックを特定することを提案している。主な貢献は、Wikipediaにおける引用パターンが科学文献内の主題的グルーピングを効果的に特定できることを示したことであり、クラスタが学術分野と意味的に整合している。

ABSTRACT

The instances of templates in Wikipedia form an interesting data set of structured information. Here I focus on the cite journal template that is primarily used for citation to articles in scientific journals. These citations can be extracted and analyzed: Non-negative matrix factorization is performed on a (article x journal) matrix resulting in a soft clustering of Wikipedia articles and scientific journals, each cluster more or less representing a scientific topic.

研究の動機と目的

• 構造化されたテンプレートデータを用いて、Wikipediaにおける科学的引用の構造を分析すること。
• 引用パターンに基づいてWikipediaの記事とジャーナルをクラスタリングすることで、潜在的な科学的トピックを同定すること。
• Wikipediaにおける引用共起性が意味的な学術分野を反映しているかどうかを評価すること。
• Wikipediaの引用データが科学的知識組織化のスケーラブルな代理指標としての有効性を示すこと。

提案手法

• Wikipediaの記事から 'cite journal' テンプレートを抽出し、(記事×ジャーナル) の引用行列を構築すること。
• 引用行列に非負値行列分解（NMF）を適用し、低ランクで非負の成分を同定すること。
• 各NMF成分を、記事とジャーナルが引用重みに基づいて複数のクラスタに所属するソフトクラスタとして解釈すること。
• 得られた因子分解結果をもとに、共通する引用パターンに基づいて記事とジャーナルを主題的クラスタにグループ化すること。
• 各クラスタ内での主要なジャーナルと記事のトピック的関連性を検討することで、クラスタの整合性を検証すること。

実験結果

リサーチクエスチョン

• RQ1 Wikipediaにおける引用パターンを用いることで、クラスタリングによって意味的な科学的トピックを特定できるか？
• RQ2 Wikipediaの引用から導かれたクラスタは、どの程度、確立された学術分野に対応しているか？
• RQ3 得られたソフトクラスタは、記事とジャーナルの主題的コンテンツをどの程度適切に表現しているか？
• RQ4 NMFは、Wikipediaの巨大で現実世界の引用データにおいて、構造を効果的に明らかにできるか？

主な発見

• NMFに基づくクラスタリングは、Wikipediaの引用パターンから明確に分離された科学的トピックを効果的に同定した。
• 各クラスタには、主題的に整合性のある記事とジャーナルが含まれており、主要なジャーナルが特定分野の核心的出版物を反映していた。
• 記事とジャーナルが複数のクラスタに所属していたことから、科学的研究の学際的性質が反映されていた。
• この手法により、Wikipediaにおける引用構造が現実の科学的分野境界を反映しており、知識発見ツールとしての有効性が裏付けられた。