[论文解读] Detecting and Tracking The Real-time Hot Topics: A Study on Computational Neuroscience

Xianwen Wang, Zhichao Fang|arXiv (Cornell University)|Aug 19, 2016

Expert finding and Q&A systems参考文献 33被引用 5

一句话总结

本研究提出了一种基于Web of Science每周更新的使用量数据的计算神经科学领域实时热点检测与追踪方法。通过分析2015年10月至2016年3月间10,000篇文献的关键词频率，该方法识别出'fMRI'、'EEG'和'ERP'等迅速上升的研究主题，表明使用量数据能够实现实时、动态的新兴研究趋势追踪。

ABSTRACT

In this study, following the idea of our previous paper (Wang, et al., 2013a), we improve the method to detect and track hot topics in a specific field by using the real-time article usage data. With the "usage count" data provided by Web of Science, we take the field of computational neuroscience as an example to make analysis. About 10 thousand articles in the field of Computational Neuroscience are queried in Web of Science, when the records, including the usage count data of each paper, have been harvested and updated weekly from October 19, 2015 to March 21, 2016. The hot topics are defined by the most frequently used keywords aggregated from the articles. The analysis reveals that hot topics in Computational Neuroscience are related to the key technologies, like "fmri", "eeg", "erp", etc. Furthermore, using the weekly updated data, we track the dynamical changes of the topics. The characteristic of immediacy of usage data makes it possible to track the "heat" of hot topics timely and dynamically.

研究动机与目标

• 开发一种用于计算神经科学领域实时检测与追踪新兴研究主题的方法。
• 利用实时文章使用量数据作为研究影响力与受欢迎程度的代理指标。
• 通过分析关键词频率的时间动态变化，识别出迅速上升的主题。
• 使用一个明确界定的科学领域的实证数据验证该方法。
• 证明使用量数据可用于及时监测科学趋势的可行性。

提出的方法

• 从Web of Science收集计算神经科学领域10,000篇文献的每周使用量数据。
• 从文献元数据和摘要中聚合关键词，形成动态关键词池。
• 计算关键词随时间的频率变化，以识别使用量的峰值，表明新兴主题的出现。
• 将'热点主题'定义为在连续几周内使用量显著增加的关键词。
• 应用时间序列分析，追踪主题受欢迎程度的演变与衰减过程。
• 利用使用量数据的即时性，实现实时监控主题动态变化。

实验结果

研究问题

• RQ1 如何利用实时文章使用量数据检测计算神经科学领域的新兴热点话题？
• RQ2 基于使用趋势，哪些关键词或技术成为主要热点主题？
• RQ3 主题受欢迎程度的动态变化如何随时间演变，且能否被有效追踪？
• RQ4 关键神经影像技术如fMRI和EEG在多大程度上反映了实时的研究兴趣？
• RQ5 使用量数据能否作为识别迅速上升科学主题的可靠代理指标？

主要发现

• 该方法基于使用趋势成功识别出fMRI、EEG和ERP为计算神经科学领域的主要热点主题。
• 关键词频率的峰值与新兴研究兴趣高度相关，表明具有实时响应能力。
• 每周使用量数据可实现对主题演变的动态追踪，且能观测到受欢迎程度随时间的可测量变化。
• 该方法检测到的主题出现时间分辨率与数据更新周期一致。
• 本研究证实，使用量数据为监测科学趋势提供了及时且可操作的信号。
• 该方法在专业科学领域中实现了实时主题追踪的可行性。