[论文解读] A bibliometric approach to Systematic Mapping Studies: The case of the evolution and perspectives of community detection in complex networks

Camelia Muñoz‐Caro, Alfonso Niño+1 more|arXiv (Cornell University)|Feb 8, 2017

Complex Network Analysis Techniques参考文献 23被引用 3

一句话总结

本文提出了一种改进的系统性映射研究（SMS）协议，结合科学元数据的文献计量分析，以映射复杂网络中社区检测的演进过程与当前状态。通过分析引用模式与出版趋势，研究发现层次化方法占据主导地位，而模糊聚类与分布式计算适应方法仍处于研究空白，凸显了该领域中的关键研究缺口。

ABSTRACT

Critical analysis of the state of the art is a necessary task when identifying new research lines worthwhile to pursue. To such an end, all the available work related to the field of interest must be taken into account. The key point is how to organize, analyze, and make sense of the huge amount of scientific literature available today on any topic. To tackle this problem, we present here a bibliometric approach to Systematic Mapping Studies (SMS). Thus, a modify SMS protocol is used relying on the scientific references metadata to extract, process and interpret the wealth of information contained in nowadays research literature. As a test case, the procedure is applied to determine the current state and perspectives of community detection in complex networks. Our results show that community detection is a still active, far from exhausted, in development, field. In addition, we find that, by far, the most exploited methods are those related to determining hierarchical community structures. On the other hand, the results show that fuzzy clustering techniques, despite their interest, are underdeveloped as well as the adaptation of existing algorithms to parallel or, more specifically, distributed, computational systems.

研究动机与目标

• 为应对复杂网络研究中文献数量持续增长所带来的组织与解读挑战。
• 开发一种系统化、数据驱动的方法，利用文献计量元数据映射研究趋势。
• 将该方法应用于复杂网络中的社区检测，以识别当前趋势与未来研究机遇。
• 揭示如模糊聚类与分布式算法适应等尚未充分探索的研究领域。

提出的方法

• 采用改进的系统性映射研究（SMS）协议，将文献计量技术与科学出版物的元数据相结合。
• 该方法从全面的社区检测论文数据集中提取并处理元数据（例如，作者、关键词、引用、出版年份）。
• 利用引文网络分析与关键词共现模式，识别主题聚类与随时间演变的研究趋势。
• 该方法采用统计与可视化工具，映射研究主题与方法偏好随时间的演变过程。
• 对出版物元数据进行层次聚类，以识别主导研究方向与新兴子领域。
• 通过分析方法论途径与应用领域的分布，系统识别研究缺口。

实验结果

研究问题

• RQ1 社区检测研究中的主导方法论途径是什么？其随时间如何演变？
• RQ2 尽管具有潜在价值，哪些社区检测研究领域仍处于研究空白？
• RQ3 社区检测方法如何被适应现代计算架构，特别是分布式系统？
• RQ4 2000至2016年间，社区检测文献中的关键主题聚类与研究趋势是什么？
• RQ5 哪些方法论家族——尤其是模糊聚类——发表频率较低，因而代表了尚未充分开发的研究机遇？

主要发现

• 层次化社区检测方法被广泛使用，表明其在当前研究中占据主导地位。
• 尽管模糊聚类技术具有理论潜力，但在文献中显著代表性不足，表明其为尚未充分探索的研究方向。
• 社区检测算法向分布式或并行计算环境的适应仍发展不足，该领域发表成果有限。
• 社区检测领域仍保持活跃并持续演进，研究产出未见饱和或衰退迹象。
• 关键词共现分析揭示出向动态与重叠社区检测的明显主题转变，尽管此类方法仍不如静态、非重叠方法普遍。
• 文献计量分析成功识别出方法论失衡，并突出显示了特定研究缺口，验证了所提出的SMS-文献计量方法在知识映射中的有效性。