[论文解读] Using Google Ngram Viewer for Scientific Referencing and History of Science

Amelia Carolina Sparavigna, Roberto Marazzato|arXiv (Cornell University)|Dec 4, 2015

Advanced Text Analysis Techniques参考文献 14被引用 11

一句话总结

本文表明，原本专为文学n-gram分析设计的Google Ngram Viewer，可被有效重用于科学引文分析与科学史研究。通过分析Google Books中科学术语的年度n-gram频率，作者们展示了该工具如何揭示被忽视的引用，并以定量精度追踪科学概念的历史演变。

ABSTRACT

Today, several universal digital libraries exist such as Google Books, Project Gutenberg, Internet Archive libraries, which possess texts from general collections, and many other archives are available, concerning more specific subjects. On the digitalized texts available from these libraries, we can perform several analyses, from those typically used for time-series to those of network theory. For what concerns time-series, an interesting tool provided by Google Books exists, which can help us in bibliographical and reference researches. This tool is the Ngram Viewer, based on yearly count of n-grams. As we will show in this paper, although it seems suitable just for literary works, it can be useful for scientific researches, not only for history of science, but also for acquiring references often unknown to researchers.

研究动机与目标

• 探究Google Ngram Viewer在文学作品之外的科学研究所适用的范围。
• 评估Ngram Viewer是否能够揭示传统搜索方法难以发现的较少为人知的科学引用。
• 探索该工具在通过术语频率的时间序列分析追踪科学概念历史发展方面的实用性。
• 证明Ngram Viewer可支持数字图书馆（如Google Books）中的书目计量与历史分析。

提出的方法

• 利用Google Ngram Viewer从Google Books的数字化书籍中提取科学术语和短语的年度频率统计。
• 应用n-gram分析追踪特定科学术语和概念的时间演变。
• 将Ngram趋势与既有的科学文献进行对比，以验证该工具在历史与书目洞察方面的可靠性。
• 分析科学术语的频率模式，识别使用频率的高峰与低谷，以揭示科学兴趣或发现的转变。
• 利用该工具发现传统学术搜索引擎难以获取的引用。
• 聚焦于不同科学学科的术语，以评估该工具在跨领域应用中的适用性。

实验结果

研究问题

• RQ1 Google Ngram Viewer能否有效识别在标准学术搜索系统中被忽略的科学引用？
• RQ2 Ngram Viewer在多大程度上能通过术语频率趋势揭示科学概念的历史轨迹？
• RQ3 与既定的书目计量方法相比，Ngram Viewer在科学术语结果上的可靠性如何？
• RQ4 Ngram Viewer在何种方式上可支持数字图书馆中的科学史研究？

主要发现

• Google Ngram Viewer成功识别出科学术语及其在数十年间频率趋势的变化，揭示了科学兴趣的历史转变。
• 该工具揭示了传统搜索引擎或引文数据库难以检测到的引用与术语使用模式。
• Ngram Viewer可通过术语频率的时间序列分析，实现对科学概念历史发展的重建。
• 该方法在识别科学思想早期提及方面具有可行性，可能有助于发现奠基性著作。