[论文解读] Identifying the Academic Rising Stars

Chuxu Zhang, Chuang Liu+3 more|arXiv (Cornell University)|Jun 18, 2016

Topic Modeling参考文献 23被引用 6

一句话总结

本文提出了一种新颖的影响力增量排序学习（IIRL）方法，通过利用时间、会议/期刊以及作者特定特征，预测学术新星——即在未来Δt年内具有最高引用增长潜力的年轻研究人员。在包含170万名作者的ArnetMiner数据集上评估，IIRL在识别前k%新星学者方面，相较所有基线方法平均提升超过8%。

ABSTRACT

Predicting the fast-rising young researchers (Academic Rising Stars) in the future provides useful guidance to the research community, e.g., offering competitive candidates to university for young faculty hiring as they are expected to have success academic careers. In this work, given a set of young researchers who have published the first first-author paper recently, we solve the problem of how to effectively predict the top k% researchers who achieve the highest citation increment in Δt years. We explore a series of factors that can drive an author to be fast-rising and design a novel impact increment ranking learning (IIRL) algorithm that leverages those factors to predict the academic rising stars. Experimental results on the large ArnetMiner dataset with over 1.7 million authors demonstrate the effectiveness of IIRL. Specifically, it outperforms all given benchmark methods, with over 8% average improvement. Further analysis demonstrates that the prediction models for different research topics follow the similar pattern. We also find that temporal features are the best indicators for rising stars prediction, while venue features are less relevant.

研究动机与目标

• 为解决识别未来Δt年内引用增长最快年轻研究人员的挑战。
• 将学术新星预测形式化为引用增量排序问题，而非绝对引用数量的预测。
• 识别并整合关键预测因素，如时间趋势、会议/期刊质量以及作者活跃度，以提升排序性能。
• 开发一种学习排序框架，通过可微目标函数建模成对引用增量差异。
• 在多样化研究主题中验证该方法的有效性，并展示预测模式的泛化能力。

提出的方法

• IIRL将新星预测形式化为成对排序任务，目标是学习一个模型，使引用增量更高的作者排在其他作者之前。
• 该方法使用逻辑函数建模作者$a_i$的引用增量高于$a_j$的概率，基于其预测得分：$p(a_i >_r a_j | \bm{\omega}) = \sigma(\hat{s}_{a_i} - \hat{s}_{a_j})$。
• 预测的引用增量得分$\hat{s}_a$计算为学术特征的加权和：$\hat{s}_a = \sum_{k=1}^K \bm{\omega}_k \cdot f_{ik}$，其中$f_{ik}$为作者$a$的特征值。
• 通过随机梯度下降进行模型训练，以最大化对数似然目标函数，同时对权重施加$\ell_2$正则化。
• 目标函数为：$\text{IIRL}_{\text{objective}} = \sum_{(a_i,a_j) \in T_>^r} \ln \sigma(\hat{s}_{a_i} - \hat{s}_{a_j}) - \lambda_{\bm{\omega}} \|\bm{\omega}\|^2$。
• 特征包括时间趋势（如引用增长率）、会议/期刊声望（如会议/期刊影响因子）以及作者层面指标（如早期产出量）。

实验结果

研究问题

• RQ1 在未来Δt年内，哪些因素最能预测年轻研究人员的快速引用增长？
• RQ2 学习排序方法是否能在识别前k%新星学者方面优于传统回归与排序基线？
• RQ3 预测模式在不同研究主题中如何变化？是否存在跨学科的一致性信号？
• RQ4 时间特征与会议/期刊质量在准确预测新星方面贡献多大？
• RQ5 所提出的IIRL模型在多样化学术领域中是否具备鲁棒性与泛化能力？

主要发现

• 在ArnetMiner数据集上，IIRL相较所有基准方法，在前k%预测准确率上平均提升超过8%。
• 时间特征是引用增量的最强预测因子，显著优于会议/期刊与作者层面特征。
• 会议/期刊特征在新星预测中相关性相对较低，表明仅凭发表地点难以有效预测未来影响力增长。
• 不同研究主题下，预测模型结构保持一致，表明识别快速崛起研究人员存在普遍性模式。
• 引用增量分布符合幂律分布，5年窗口内仅有不到10%的作者实现引用增量超过20。
• 该模型能基于早期职业信号成功识别新星，即使其绝对引用数量仍处于低位。