[论文解读] Simplified Graph-based Visualization for Scientific Publication

Orlando Fonseca Guilarte, Simone Diniz Junqueira Barbosa+1 more|arXiv (Cornell University)|May 25, 2018

Data Visualization and Analytics参考文献 11被引用 3

一句话总结

本文提出了一种简化的有向无环图（DAG）可视化方法，以帮助研究人员识别科学出版物中最相关的引用。通过利用作者和编委会专家的意见，该方法构建了一条关键引用路径，使引用关系的导航更加清晰，并改善了学术文献中具有影响力作品的识别。

ABSTRACT

Understanding citations to scientific publications is a task of vital importance in the academic world. This task can be supported by appropriate data structures and visualization mechanisms. One challenge is the amount of existing relationships and the difficulty of determining which of the references of a document are considered the most potentially relevant to it. In this paper, we propose a simplified visualization of the relationships between scientific publications, in the form of a directed acyclic graph. From a given document, it is possible to visualize a path of references in which each step corresponds to the main citation of the previous one. A methodology is proposed in order to build this graph based in the opinion of the authors of scientific articles and an editorial board.

研究动机与目标

• 解决从出版物参考文献中识别最相关引用的挑战。
• 通过聚焦于单一有意义的引用路径，减少引用网络的复杂性。
• 通过突出显示最具影响力的引用链接，支持研究人员高效导航学术文献。
• 基于作者和编委会的专家判断，开发一种用于引用相关性评估的方法论。
• 为科学出版物引用网络创建一种可扩展且可解释的可视化框架。

提出的方法

• 该方法从给定的科学出版物出发，构建一个有向无环图（DAG）。
• 图中的每个节点代表一篇被引用的文献，边表示引用关系。
• 路径通过迭代构建，从每个前序引用中选择主要引用，依据专家意见。
• 专家意见通过焦点论文的作者和编委会收集，以确定每一步中最重要的引用。
• 该过程确保路径的每一步都反映学术传承中最具影响力或核心的参考文献。
• 最终生成的图被简化，仅强调最重要的引用链，从而减少外围引用带来的干扰。

实验结果

研究问题

• RQ1 如何简化引用网络，以突出科学出版物中最相关的引用？
• RQ2 可以使用哪些标准来识别学术参考列表中最具影响力的引用？
• RQ3 如何系统性地将作者和编委会的专家判断整合到引用路径构建中？
• RQ4 简化的引用路径在多大程度上提升了关键学术作品的可发现性？
• RQ5 有向无环图能否有效表示科学出版物的知识传承脉络？

主要发现

• 所提出的方法成功构建了一条反映专家对引用相关性共识的简化引用路径。
• DAG可视化使用户能够从焦点出版物出发，追踪一条连贯的知识传承路径，通过其最具影响力的参考文献。
• 作者和编委会专家的意见显著提高了关键引用识别的准确性。
• 该方法降低了引用网络的复杂性，使研究人员更容易识别奠基性文献。
• 通过突出高影响力引用链接，该可视化支持了对学术文献的更好导航。
• 该方法为数字图书馆中的引用分析提供了一种可扩展且可解释的框架。