[论文解读] Construction of bipartite and unipartite weighted networks from collections of journal papers

Sidney A. Morris, Gary G. Yen|ArXiv.org|Mar 8, 2005

Complex Network Analysis Techniques参考文献 34被引用 14

一句话总结

本文提出了一种基于矩阵的框架，用于从期刊论文集合中构建加权二分图和单分图，利用共现矩阵和链接权重函数来建模论文、作者、参考文献和关键词等实体之间的共现关系。该方法能够推导出间接网络和加权共现结构，为通过学术数据中的社会与认识论关联分析研究专长提供系统性方法。

ABSTRACT

This work presents a model that allows the study of research specialties through the manifestations of the specialty's social and epistemological processes in a collection of journal papers. Collections of papers are modeled as coupled bipartite networks interlinking 7 types of entities. Matrix-based link weight functions are introduced to calculate weighted bipartite networks and weighted unipartite co-occurrence networks in the collection of papers. These weight calculation methods, when used in conjunction with unweighted bipartite growth models, produce simple growth models for weighted networks in collections of papers.

研究动机与目标

• 通过捕捉期刊论文集合中显现的社会与认识论过程，将研究专长建模为复杂网络。
• 解决从论文集合中可观测的关联关系反推潜在研究过程的逆问题。
• 为从学术数据中的无权二分结构构建加权网络提供正式框架。
• 通过基于矩阵的权重函数，实现对间接共现网络（例如，作者共同引用、期刊共同引用）的分析。
• 通过网络建模支持对研究动态（如团队形成、知识子主题和时间趋势）的分析。

提出的方法

• 使用共现矩阵表示论文实体之间的直接二分关系（例如，论文到作者、论文到参考文献）。
• 应用基于矩阵的链接权重函数，计算加权间接二分网络（例如，论文作者到参考文献作者）。
• 从加权二分结构推导出加权单分共现网络（例如，作者共同引用、期刊共同引用）。
• 采用一种通用框架，将无权二分增长模型与加权链接函数相结合，生成加权网络模型。
• 利用矩阵乘法和变换技术，将权重在耦合的二分网络间传播。
• 将该方法应用于一个具有明确定义实体（论文、作者、参考文献、期刊、主题词）及其共现关系的合成论文集合。

实验结果

研究问题

• RQ1 如何使用基于矩阵的链接权重函数，从期刊论文集合中系统地构建加权二分图？
• RQ2 间接共现网络（例如，作者共同引用）在揭示研究专长内的社会与知识结构方面起到什么作用？
• RQ3 如何从学术数据中底层的二分结构推导出加权单分共现网络？
• RQ4 基于矩阵的权重函数在加权网络构建中，如何保持并推广无权二分增长模型的特性？
• RQ5 该框架如何支持对研究动态（如团队形成、知识子主题和时间趋势）在学术文献中的分析？

主要发现

• 基于矩阵的方法成功地从直接共现矩阵中生成了加权间接二分网络（例如，论文作者到参考文献作者）。
• 通过加权二分结构的转换，推导出了加权单分共现网络，如作者共同引用和期刊共同引用网络。
• 该方法能够对作者与期刊之间的共同引用等复杂关联进行建模，这对于分析研究影响力和知识结构至关重要。
• 该框架支持从无权二分增长模型构建加权网络，从而能够研究学术数据中加权网络的动力学。
• 在合成数据集上的应用表明，可从原始的实体共现数据（包括主题词、参考文献和作者）中推导出加权网络。
• 该方法提供了一种可扩展且形式化的转换方法，可将论文集合转化为适合复杂网络分析的结构化加权网络表示。