[論文レビュー] Construction of bipartite and unipartite weighted networks from collections of journal papers

Sidney A. Morris, Gary G. Yen|ArXiv.org|Mar 8, 2005

Complex Network Analysis Techniques参考文献 34被引用数 14

ひとこと要約

本稿では、論文、著者、参考文献、索引語などのエンティティ間の共起関係をモデル化するため、出現行列とリンク重み関数を用いて、ジャーナル論文のコレクションから重み付き二部グラフおよび一様グラフを構築する行列ベースのフレームワークを提案する。この手法により、間接的グラフ構造と重み付き共起構造を導出でき、学術的データにおける社会的および認識論的リンクを介した研究専門分野の分析に体系的なアプローチを提供する。

ABSTRACT

This work presents a model that allows the study of research specialties through the manifestations of the specialty's social and epistemological processes in a collection of journal papers. Collections of papers are modeled as coupled bipartite networks interlinking 7 types of entities. Matrix-based link weight functions are introduced to calculate weighted bipartite networks and weighted unipartite co-occurrence networks in the collection of papers. These weight calculation methods, when used in conjunction with unweighted bipartite growth models, produce simple growth models for weighted networks in collections of papers.

研究の動機と目的

• ジャーナル論文のコレクションに現れる社会的および認識論的プロセスを捉えることで、研究専門分野を複雑なネットワークとしてモデル化すること。
• 論文コレクション内の観察可能なリンクから、背後にある研究プロセスを推定する逆問題に対処すること。
• 学術的データにおける非重み付き二部構造から重み付きネットワークを構築する形式的フレームワークを開発すること。
• 行列ベースの重み関数を用いて、間接的共起ネットワーク（例：著者共引用、ジャーナル共引用）の分析を可能にすること。
• ネットワークモデリングを通じて、チーム形成、知識のサブトピック、時間的傾向といった研究ダイナミクスの研究を支援すること。

提案手法

• 論文エンティティ（例：論文から著者、論文から参考文献）間の直接的二部関係を表すために出現行列を用いる。
• 行列ベースのリンク重み関数を適用して、重み付き間接的二部グラフ（例：論文著者から参考文献著者）を計算する。
• 重み付き二部構造から、重み付き一様共起ネットワーク（例：著者共引用、ジャーナル共引用）を導出する。
• 非重み付き二部成長モデルと重み付きリンク関数を統合する一般的なフレームワークを用いて、重み付きネットワークモデルを生成する。
• 行列乗算および変換技術を用いて、結合された二部グラフネットワークにわたり重みを伝搬する。
• 定義されたエンティティ（論文、著者、参考文献、ジャーナル、語彙）とそれらの共起関係を持つ、合成された論文コレクションにこの手法を適用する。

実験結果

リサーチクエスチョン

• RQ1 行列ベースのリンク重み関数を用いて、ジャーナル論文コレクションから重み付き二部グラフを体系的に構築する方法は何か？
• RQ2 間接的共起ネットワーク（例：著者共引用）は、研究専門分野内の社会的および知識的構造を明らかにする上で果たす役割は何か？
• RQ3 学術的データにおける下位の二部構造から、重み付き一様共起ネットワークをどのように導出できるか？
• RQ4 行列ベースの重み関数は、重み付きネットワーク構築における非重み付き二部成長モデルの性質をどのように保持・一般化するか？
• RQ5 このフレームワークは、学術的文献におけるチーム形成、知識のサブトピック、時間的傾向といった研究ダイナミクスの分析をどのように支援できるか？

主な発見

• 行列ベースのアプローチは、直接の共起行列から重み付き間接的二部グラフ（例：論文著者から参考文献著者）を効果的に生成できた。
• 著者共引用やジャーナル共引用ネットワークなどの重み付き一様共起ネットワークは、重み付き二部構造の変換によって導出された。
• この手法により、著者やジャーナル間の共引用といった複雑なリンクをモデル化でき、研究の影響力や知識構造の分析に不可欠である。
• フレームワークは、非重み付き二部成長モデルから重み付きネットワークを構築するのを支援し、学術的データにおける重み付きネットワークダイナミクスの研究を可能にした。
• 合成データセットへの応用により、語彙、参考文献、著者を含む、原始的なエンティティの共起データから重み付きネットワークを導出可能であることが示された。
• 本アプローチは、複雑なネットワーク解析に適した構造的で重み付きのネットワーク表現に論文コレクションを変換するスケーラブルで形式的な手法を提供する。