[論文レビュー] Stochastic Block Model Reveals the Map of Citation Patterns and Their Evolution in Time

Darko Hric, Kimmo Kaski+1 more|arXiv (Cornell University)|Apr 28, 2017

Scientific Computing and Data Management被引用数 5

ひとこと要約

本論文は、学術雑誌の引用ネットワークの広域的構造と時間的変化をマッピングするための確率的ブロックモデル（SBM）を提案し、補助的な類似性測度に依存せずに、クラスタ、ブリッジ、ソース、シンクを特定する。この手法は、引用パターンに基づいて雑誌の階層的グループ化を同定し、手動で分類された雑誌の分野区分がSBMのブロックと相関することを示しており、その関係は時間経過とともに変化する。

ABSTRACT

In this study we map out the large-scale structure of citation networks of science journals and follow their evolution in time by using stochastic block models (SBMs). The SBM fitting procedures are principled methods that can be used to find hierarchical grouping of journals into blocks that show similar incoming and outgoing citations patterns. These methods work directly on the citation network without the need to construct auxiliary networks based on similarity of nodes. We fit the SBMs to the networks of journals we have constructed from the data set of around 630 million citations and find a variety of different types of blocks, such as clusters, bridges, sources, and sinks. In addition we use a recent generalization of SBMs to determine how much a manually curated classification of journals into subfields of science is related to the block structure of the journal network and how this relationship changes in time. The SBM method tries to find a network of blocks that is the best high-level representation of the network of journals, and we illustrate how these block networks (at various levels of resolution) can be used as maps of science.

研究の動機と目的

• 原則に基づいたネットワークモデリングを用いて、学術雑誌の広域的構造を引用ネットワークでマッピングすること。
• 数十年にわたる引用ネットワークの時間的変化を追跡し、これらの構造的パターンの進化を把握すること。
• 手動で作成された雑誌の分野別分類と、SBMによって明らかにされたブロック構造との整合性を評価すること。
• SBMから得られるブロックネットワークを用いて、科学の階層的で高レベルの表現、すなわち「科学地図」を構築すること。
• SBMに基づくネットワーク抽象化を用いて、雑誌の分野分類が引用フローをどの程度正確に予測できるかを定量化すること。

提案手法

• 類似性に基づく補助ネットワークを構築せずに、SBMを雑誌の引用ネットワークに直接適用する。
• SBMのフィッティングを用いて、類似した受信・送信引用パターンを持つ雑誌のブロック（クラスタ、ブリッジ、ソース、シンクを含む）を同定する。
• 一般化されたSBMを用いて、複数の解像度レベルで階層的グループ化を分析し、マルチスケールのネットワーク抽象化を可能にする。
• 内部、入力、出力の正規化されたフローを用いてブロック間の引用フローをモデル化し、ブロック間接続を考慮した式を適用する。
• ブロック構造と分類の予測能の時間的傾向をなめらかにするために、10年間のスライディング平均を適用する。
• SBMフレームワークを用いて、分野やサブフィールドの予測能指標（例：μ）を計算し、分類と引用行動の整合性を評価する。

実験結果

リサーチクエスチョン

• RQ1 確率的ブロックモデルは、学術雑誌の引用ネットワークの広域的構造的組織をどのように明らかにできるか？
• RQ2 引用ネットワークにおける雑誌の役割（例：ソース、シンク、ブリッジ）は、時間経過とともにどのように変化するか？
• RQ3 手動で作成された雑誌のサブフィールド分類は、SBMが同定したブロック構造とどの程度整合するか？
• RQ4 分類と引用パターンの関係は、時間経過とともにどのように変化するか？
• RQ5 SBMから得られるブロックネットワークは、異なる解像度レベルで信頼性のある階層的科学地図として機能できるか？

主な発見

• SBMは、引用ネットワークにおける明確な構造的役割を同定する。具体的には、内部引用が強いクラスタ、クラスタを接続するブリッジ、出力引用が強いソース、受信引用が強いシンクが含まれる。
• この手法は、時間経過とともに変化する階層的ブロック構造を明らかにし、ブロックの顕著さと接続性の動的なシフトを示している。
• 手動で分類された雑誌のサブフィールド区分は、SBMのブロックと中程度の整合性を示しており、予測能（μ）値から、サブフィールドが分野よりも引用パターンの予測にわずかに優れていることが示唆される。
• 少なくとも1つのサブフィールドに分類された雑誌の割合は、1970年前後で低水準にまで低下しており、初期の年数では分類が不完全または一貫性がなかった可能性を示している。
• ブロック構造の時間的変化は、分類と引用パターンの関係が静的ではないことを示しており、後年の年代に伴い整合性が高まっている。
• 正規化されたフロー式（式6–8）により、階層的マージに伴うブロック特性の正確な伝達が可能となり、複数の解像度レベルで構造的整合性が保持される。