[論文レビュー] Identifying the Academic Rising Stars

Chuxu Zhang, Chuang Liu+3 more|arXiv (Cornell University)|Jun 18, 2016

Topic Modeling参考文献 23被引用数 6

ひとこと要約

本論文は、時系列的特徴、会議・ジャーナルの質、著者固有の特徴を活用して、最高の被引用増加率を示す若手研究者（学術的ブレイクスルー予想者）を予測する、新しい影響増加順位学習（IIRL）手法を提案する。170万著者からなるArnetMinerデータセット上で評価された結果、IIRLは全ベースラインを8%以上の平均的改善率で上回った。

ABSTRACT

Predicting the fast-rising young researchers (Academic Rising Stars) in the future provides useful guidance to the research community, e.g., offering competitive candidates to university for young faculty hiring as they are expected to have success academic careers. In this work, given a set of young researchers who have published the first first-author paper recently, we solve the problem of how to effectively predict the top k% researchers who achieve the highest citation increment in Δt years. We explore a series of factors that can drive an author to be fast-rising and design a novel impact increment ranking learning (IIRL) algorithm that leverages those factors to predict the academic rising stars. Experimental results on the large ArnetMiner dataset with over 1.7 million authors demonstrate the effectiveness of IIRL. Specifically, it outperforms all given benchmark methods, with over 8% average improvement. Further analysis demonstrates that the prediction models for different research topics follow the similar pattern. We also find that temporal features are the best indicators for rising stars prediction, while venue features are less relevant.

研究の動機と目的

• 今後のΔt年間で、最も速い被引用増加を示す若手研究者を特定する課題に対処すること。
• 学術的ブレイクスルー予想者の予測を、絶対的被引用数の予測ではなく、被引用増加の順位付け問題として形式化すること。
• 時系列的傾向、会議・ジャーナルの質、著者活動といった、順位付け性能の向上に寄与する主要要因を同定し統合すること。
• 被引用増加の差分をペアワイズにモデル化する微分可能な目的関数を用いた、順位学習フレームワークの構築。
• 多様な研究分野において本手法の有効性を検証し、予測パターンの一般化可能性を示すこと。

提案手法

• IIRLは、被引用増加がより高い著者を上位にランク付けできるモデルを学習することを目的とした、ペアワイズ順位付けタスクとしてブレイクスルー予想者の予測を定式化する。
• 著者$a_i$が$a_j$より高い被引用増加を示す確率は、予測スコアに基づきロジスティック関数でモデル化される：$p(a_i >_r a_j | \bm{\omega}) = \sigma(\hat{s}_{a_i} - \hat{s}_{a_j})$。
• 予測された被引用増加スコア$\hat{s}_a$は、学術的特徴の重み付き和として計算される：$\hat{s}_a = \sum_{k=1}^K \bm{\omega}_k \cdot f_{ik}$、ここで$f_{ik}$は著者$a$の特徴値を表す。
• 重みの$\ell_2$ノルムによる正則化を伴う、正しいペアワイズ順位付けを促進する対数尤度目的関数を最適化するため、確率的勾配降下法でモデルを学習する。
• 目的関数は以下の通りである：$\text{IIRL}_{\text{objective}} = \sum_{(a_i,a_j) \in T_>^r} \ln \sigma(\hat{s}_{a_i} - \hat{s}_{a_j}) - \lambda_{\bm{\omega}} \|\bm{\omega}\|^2$。
• 特徴には、被引用増加率などの時系列的傾向、会議・ジャーナルの影響力などの会議・ジャーナルの質、初期の生産性などの著者レベル指標が含まれる。

実験結果

リサーチクエスチョン

• RQ1 若手研究者が今後のΔt年間で著しく被引用数を増加させる要因として、どの要因が最も予測的か？
• RQ2 順位学習アプローチは、従来の回帰法および順位付けベースラインを上回って、上位k%のブレイクスルー予想者を特定できるか？
• RQ3 予測パターンは異なる研究分野でどのように変化するか？ また、分野を越えて一貫した信号が存在するか？
• RQ4 時系列的特徴と会議・ジャーナルの質は、ブレイクスルー予想者の正確な予測にどの程度寄与するか？
• RQ5 提案されたIIRLモデルは、多様な学術分野にわたり、ロバストで一般化可能か？

主な発見

• ArnetMinerデータセット上で、IIRLは全ベースライン手法を8%以上の平均的改善率で上回り、上位k%の予測精度が向上した。
• 時系列的特徴が被引用増加の予測において最も強力な予測要因であり、会議・ジャーナルおよび著者レベルの特徴を大きく上回った。
• 会議・ジャーナルの特徴は、ブレイクスルー予想者の予測において相対的に低く関連しており、出版会議・ジャーナルそのものが今後の影響力の増加を示す弱い予測信号であることが示唆された。
• 異なる研究分野においてもモデルの構造が一貫しており、急速に成長する研究者を同定する普遍的なパターンが存在することが示された。
• 被引用増加の分布はパワー則に従い、5年間のウィンドウ内で20以上の被引用増加を示す著者は10%未満にとどまった。
• 絶対的被引用数が低くても、初期のキャリア段階の信号に基づき、IIRLは効果的にブレイクスルー予想者を同定できた。