[論文レビュー] Research Topic Flows in Co-Authorship Networks

Bastian Schäfermeier, Johannes Hirth+1 more|arXiv (Cornell University)|Jun 16, 2022

Complex Network Analysis Techniques被引用数 1

ひとこと要約

本稿では、共著者関係と要約データを用いて、研究者と研究分野間のトピック的専門知識の流れをモデル化する、方向性付きで辺に重みが付いたマルチグラフであるトピックフローネットワーク（TFN）を提案する。非負値行列分解を用いたトピックモデリングと共著者ネットワークを統合することで、60年にわたるコンピュータサイエンスおよび数学分野における、分野間および分野内での知識の流れを大規模に分析可能となり、協働の動的パターンや影響力のある研究者を明らかにする。

ABSTRACT

In scientometrics, scientific collaboration is often analyzed by means of co-authorships. An aspect which is often overlooked and more difficult to quantify is the flow of expertise between authors from different research topics, which is an important part of scientific progress. With the Topic Flow Network (TFN) we propose a graph structure for the analysis of research topic flows between scientific authors and their respective research fields. Based on a multi-graph and a topic model, our proposed network structure accounts for intratopic as well as intertopic flows. Our method requires for the construction of a TFN solely a corpus of publications (i.e., author and abstract information). From this, research topics are discovered automatically through non-negative matrix factorization. The thereof derived TFN allows for the application of social network analysis techniques, such as common metrics and community detection. Most importantly, it allows for the analysis of intertopic flows on a large, macroscopic scale, i.e., between research topic, as well as on a microscopic scale, i.e., between certain sets of authors. We demonstrate the utility of TFNs by applying our method to two comprehensive corpora of altogether 20 Mio. publications spanning more than 60 years of research in the fields computer science and mathematics. Our results give evidence that TFNs are suitable, e.g., for the analysis of topical communities, the discovery of important authors in different fields, and, most notably, the analysis of intertopic flows, i.e., the transfer of topical expertise. Besides that, our method opens new directions for future research, such as the investigation of influence relationships between research fields.

研究の動機と目的

• 従来の共著者ネットワーク解析ではしばしば無視されがちな、研究者と研究分野間のトピック的専門知識の流れをモデル化すること。
• 引用情報が不要な大規模かつ解釈可能な方法を構築し、分野間および分野内での協働フローを分析すること。
• 著者および要約情報からなる出版メタデータのみを用いて、研究分野間の知識移転をマクロスコピックおよびミクロスコピックに分析すること。
• TFNが、トピック的コミュニティ、影響力のある研究者、時間経過に伴う動的トピックフローを特定する上で有効であることを示すこと。
• 特に研究分野間の影響関係や専門知識移転を研究する分野として、科学計測学における新たな研究方向性を提示すること。

提案手法

• 方向性付きエッジが研究者間のトピック的協働を表し、エッジの重みが特定トピックにおける出発元研究者の相対的専門性に基づくマルチグラフ構造（TFN）を構築する。
• 要約に非負値行列分解（NMF）を適用し、自動的に研究トピックを発見し、各研究者ごとのトピック固有の専門性を推定する。
• エッジの重みを、出発元研究者のトピック固有専門性と受信元研究者の専門性の比として定義し、知識移転の可能性を反映する方向性のあるフローを保証する。
• 研究者間のトピックフローを集約し、マクロスコピックレベル（トピック間）での分野間フローを計算し、時間経過に伴って分析する。
• 得られたTFNに対して、PageRank、kコア分解、コミュニティ検出といった標準的な社会的ネットワーク解析技術を統合し、影響力のある研究者およびトピック的コミュニティを同定する。
• 1960年以降にかけて、コンピュータサイエンスおよび数学分野をカバーする2つの大規模コーパス（2000万件の出版物、90万件の著者）を、Semantic Scholar Open Research Corpusから取得して利用する。

実験結果

リサーチクエスチョン

• RQ1 大規模な共著者ネットワークにおいて、研究者と研究分野間のトピック的専門知識の流れをどのようにモデル化・定量化できるか。
• RQ2 トピックモデリングと共著者データを組み合わせることで、時間経過に伴う分野間知識移転パターンをどの程度明らかにできるか。
• RQ3 実世界の科学的コーパスにおいて、60年以上にわたる時間的スケールで、トピックフローネットワークの構造的および動的特性は何か。
• RQ4 異なる研究分野および時間帯において、分野間フローの強度と方向性にどのような差が見られるか。
• RQ5 TFNは、専門知識フローのパターンに基づき、影響力のある研究者およびトピック的コミュニティを特定できるか。また、標準的なネットワーク指標と比較してどのように異なるか。

主な発見

• TFNモデルは、引用情報が不要な状態で、共著者関係と要約データのみを用いて、分野内および分野間の専門知識フローを効果的に捉えている。
• 本手法により、コンピュータサイエンスおよび数学分野において60年以上にわたる2000万件の出版物をカバーするトピックフローの大規模分析が可能となった。
• トピックフローネットワークは、時間的および分野的要因に応じた分野間フローの動的シフトを明らかにした。
• コミュニティ検出およびPageRankの結果、既知の科学的発展と整合する影響力のある研究者およびトピック的コミュニティが同定され、モデルの解釈可能性が裏付けられた。
• TFN構造は、標準的なグラフ理論的解析をサポートしており、トピック的協働パターンを検出するうえでその堅牢性と有用性を示している。
• 本手法により、神経ネットワークがコンピュータビジョンに与えた影響など、研究分野間の因果的影響を、時間経過に伴う専門知識移転をモデル化することで、新たな研究の道筋が開かれた。