[논문 리뷰] Detecting and Tracking The Real-time Hot Topics: A Study on Computational Neuroscience

Xianwen Wang, Zhichao Fang|arXiv (Cornell University)|2016. 08. 19.

Expert finding and Q&A systems참고 문헌 33인용 수 5

한 줄 요약

이 연구는 웹 오브 사이언스에서 매주 업데이트되는 사용자 수 데이터를 사용하여 계산 신경과학 분야에서 실시간으로 핫 토픽을 탐지하고 추적하는 방법을 제안한다. 2015년 10월부터 2016년 3월까지의 10,000편의 논문에서 关련 키워드 빈도를 분석함으로써 'fMRI', 'EEG', 'ERP'와 같은 급격히 증가하는 주제를 식별하였으며, 사용자 데이터가 신속하고 동적인 연구 추세 탐지에 기여할 수 있음을 보여준다.

ABSTRACT

In this study, following the idea of our previous paper (Wang, et al., 2013a), we improve the method to detect and track hot topics in a specific field by using the real-time article usage data. With the "usage count" data provided by Web of Science, we take the field of computational neuroscience as an example to make analysis. About 10 thousand articles in the field of Computational Neuroscience are queried in Web of Science, when the records, including the usage count data of each paper, have been harvested and updated weekly from October 19, 2015 to March 21, 2016. The hot topics are defined by the most frequently used keywords aggregated from the articles. The analysis reveals that hot topics in Computational Neuroscience are related to the key technologies, like "fmri", "eeg", "erp", etc. Furthermore, using the weekly updated data, we track the dynamical changes of the topics. The characteristic of immediacy of usage data makes it possible to track the "heat" of hot topics timely and dynamically.

연구 동기 및 목표

• 계산 신경과학 분야에서 신속히 등장하는 연구 주제를 실시간으로 탐지하고 추적할 수 있는 방법을 개발하기 위해.
• 실시간 논문 사용자 수를 연구 영향력과 인기의 대체 지표로 활용하기 위해.
• 키워드 빈도의 시간적 동역학을 분석하여 급격히 증가하는 주제를 식별하기 위해.
• 명확히 정의된 과학 분야에서의 실증적 데이터를 사용하여 접근법을 검증하기 위해.
• 사용자 데이터가 과학적 추세를 실시간으로 모니터링하는 데 실현 가능함을 보여주기 위해.

제안 방법

• 웹 오브 사이언스에서 계산 신경과학 분야의 10,000편의 논문에 대해 매주 사용자 수 데이터를 수집한다.
• 논문 메타데이터와 초록에서 키워드를 통합하여 동적 키워드 풀을 구성한다.
• 시간에 따른 키워드 빈도를 계산하여 사용자 수 급증을 식별함으로써 신규 주제를 파악한다.
• 연속된 주간에 사용자 수가 유의미하게 증가하는 키워드를 '핫 토픽'으로 정의한다.
• 시간적 분석을 적용하여 주제 인기의 진화와 쇠퇴 과정을 추적한다.
• 사용자 데이터의 즉각성을 활용하여 주제 동적 변화를 실시간으로 모니터링할 수 있도록 한다.

실험 결과

연구 질문

• RQ1 실시간 논문 사용자 수 데이터는 어떻게 계산 신경과학 분야에서 등장하는 핫 토픽을 탐지하는 데 활용될 수 있는가?
• RQ2 사용자 트렌드 기반으로 어떤 키워드나 기술이 상위 주제로 부상하는가?
• RQ3 주제 인기의 동역학은 시간이 지남에 따라 어떻게 변화하며, 효과적으로 추적할 수 있는가?
• RQ4 fMRI와 EEG와 같은 핵심 신경영상 기술은 얼마나 실시간 연구 관심을 반영하는가?
• RQ5 사용자 데이터는 급격히 증가하는 과학적 주제를 식별하는 데 신뢰할 수 있는 대체 지표가 될 수 있는가?

주요 결과

• 사용자 트렌드 기반으로 이 방법은 fMRI, EEG, ERP를 계산 신경과학 분야의 주요 핫 토픽으로 성공적으로 식별하였다.
• 키워드 빈도 급증은 신속한 연구 관심과 상관관계가 있으며, 실시간 반응성을 보여준다.
• 매주 업데이트되는 사용자 데이터를 통해 주제의 진화를 동적으로 추적할 수 있으며, 시간이 지남에 따라 인기의 변화를 측정할 수 있다.
• 이 접근법은 데이터 업데이트 주기와 동일한 시간 해상도로 주제의 등장을 탐지할 수 있다.
• 이 연구는 사용자 데이터가 과학적 추세 모니터링을 위한 시의적절하고 실용적인 신호를 제공함을 확인하였다.
• 이 방법은 전문 과학 분야에서 실시간 주제 추적의 실현 가능성을 입증하였다.