[論文レビュー] Detecting and Tracking The Real-time Hot Topics: A Study on Computational Neuroscience

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

Expert finding and Q&A systems参考文献 33被引用数 5

ひとこと要約

本研究では、Web of Scienceの週次更新 usage データを用いて、計算神経科学分野におけるホットトピックのリアルタイム検出と追跡手法を提案する。2015年10月から2016年3月にかけての10,000件の論文におけるキーワード頻度を分析することで、'fMRI'、'EEG'、'ERP' のような急激に上昇するトピックを同定し、usage データが新規研究動向をタイムリーかつ動的に追跡可能であることを示している。

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.

研究の動機と目的

• 計算神経科学分野における新規研究トピックのリアルタイム検出および追跡手法の開発を目的とする。
• リアルタイムの論文使用回数を、研究のインパactsや人気の代理指標として活用することを目的とする。
• キーワード頻度の時間的ダイナミクスを分析し、急激に上昇するトピックを同定することを目的とする。
• 明確に定義された科学分野からの実証的データを用いて、手法の妥当性を検証することを目的とする。
• usage データが、科学的トレンドのタイムリーなモニタリングに有効であることを示すこと

提案手法

• Web of Scienceから、計算神経科学分野の10,000件の論文について、週次使用回数データを収集する。
• 論文のメタデータおよび要約からキーワードを統合し、動的キーワードプールを構築する。
• キーワード頻度を時間経過で計算し、使用回数の急増（スパイク）を同定することで、新規トピックを特定する。
• 連続する週にわたり使用回数が著しく増加するキーワードを「ホットトピック」と定義する。
• 時間的分析を適用し、トピックの人気の変化および消滅過程を追跡する。
• usage データの即時性を活用して、トピックダイナミクスのリアルタイム監視を可能にする。

実験結果

リサーチクエスチョン

• RQ1 どのようにしてリアルタイムの論文使用データを用いて、計算神経科学分野における新規ホットトピックを検出できるか？
• RQ2 使用トレンドに基づいて、どのキーワードや技術が上位トピックとして顕在するか？
• RQ3 トピックの人気のダイナミクスは時間経過とともにどのように変化するのか。また、それらは効果的に追跡可能か？
• RQ4 fMRI や EEG のような主要な神経画像技術は、どれほどリアルタイムの研究関心を反映しているか？
• RQ5 usage データは、急激に上昇する科学的トピックを特定するための信頼できる代理指標として機能するか？

主な発見

• 本手法は、使用トレンドに基づき、fMRI、EEG、ERP が計算神経科学分野における主要なホットトピックであることを的確に同定した。
• キーワード頻度のスパイクは、新規研究関心と相関しており、リアルタイムでの反応性を示している。
• 週次使用データにより、トピックの進化を動的に追跡可能であり、人気の変化が時間経過で明確に測定可能である。
• 本手法は、データ更新サイクルと同等の時間分解能でトピックの出現を検出できる。
• 本研究では、usage データが科学的トレンドをタイムリーにモニタリングするための有用で実行可能なシグナルを提供することを確認した。
• 本手法は、専門的な科学分野におけるリアルタイムトピック追跡の実現可能性を示している。