主题漂移对学术网络的影响

3730衡量学术网络中主题漂移的影响0Tehmina Amjad a a计算机科学与软件工程系，国际伊斯兰大学，巴基斯坦伊斯兰堡，tehminaamjad@iiu.edu.pk0阿里∙道德 b,a b计算机与信息技术学院，阿卜杜勒阿齐兹大学，沙特阿拉伯吉达，adfmohamad@kau.edu.sa0Min Song c c图书馆与信息科学系，延世大学，韩国首尔，min.song@yonsei.ac.kr0摘要0随着各学科研究人员之间合作的增加，改变研究主题或在多个主题上工作已经不再是一种不寻常的行为。已经进行了多项全面的努力来预测、量化和研究研究人员的影响。关于随着时间推移兴趣领域的变化或在多个主题上工作如何影响科学影响力的问题仍然没有答案。在这项研究中，我们研究了主题漂移对作者科学影响的影响。我们应用作者会议主题（ACT）模型来提取在多个主题上工作的个人作者的主题分布，并与只从事单一主题工作的作者进行比较和分析。我们根据发表计数、引用计数和h指数分析作者的产出。我们发现坚持一个主题的作者产生更高的影响力并获得更多关注。为了进一步加强我们的结果，我们收集了在一个主题上工作的排名靠前的作者和在多个主题上工作的排名靠前的作者的h指数，并检查他们的进展是否存在类似的趋势。结果显示了主题漂移对研究人员职业选择的重要影响的证据。0CCS概念0• 信息系统 → 信息检索 → 文档主题模型0关键词0学术社交网络，科学影响力，作者排名，基于主题的排名，主题变化0ACM参考格式：0T. Amjad, A. Daud, and M. Song. 2018. Measuring the Impact of TopicDrift in Scholarly Networks for WWW 2018 Proceedings and CompanionSubmissions. In The 2018 Web Conference Companion (WWW 2018),April 23-27, 2018, Lyon, France, ACM, New York, NY, XX pages. DOI:https://doi.org/10.1145/3184558.31863580本文发表在知识共享署名-非商业性-禁止演绎4.0国际许可协议（CC BY4.0）下。作者保留在个人和公司网站上传播作品的权利，并附上适当的归属。WWW '18 Companion 2018年4月23日至27日，法国里昂。©2018IW3C2（国际万维网会议委员会），根据知识共享CC BY4.0许可证发布。ACM ISBN 978-1-4503-5640-4/18/04。DOI:https://doi.org/10.1145/3184558.318635801 引言0科学家们始终对探索真理充满兴趣，并具备批判性的质疑能力。凭借这些能力，他们在自己感兴趣的领域中产生新的出版物。在职业生涯的不同阶段，科学家们通过学术和研究活动来造福自己的环境，并关注自己的职业发展和进步[1]。职业发展可能包括学术晋升或获得研究经费，这需要稳定而不间断的出版物流。通过对已建立的研究计划做出有益的贡献，可以实现这一目标。持续的研究成果有助于学者保持建设性，但可能削弱创新的可能性[2]。开创性的观念通常源于面对新挑战、尝试新主题或将其与现有研究议程相结合。研究人员可能试图探索新的挑战，以推动职业的进步和发展。除此之外，跨学科合作的性质使得兴趣领域的变化成为许多学者职业轨迹中不可避免的现象。尽管在科学职业、产出、研究报酬和招聘程序中具有重要意义，但研究人员的职业轨迹中主题漂移的影响仍未被探索。研究人员可以在所有感兴趣的领域中获得不同水平的专业知识。兴趣领域的变化可能会影响研究人员和学者的表现。这种主题漂移的影响尚未在文献中得到衡量。本研究的主要动机是找出主题转变对学者职业的影响，因为有几位学者对多个主题感兴趣，有些学者在一段时间后会改变他们的兴趣主题。研究结果将帮助那些渴望在学术网络中获得和保持高地位的研究人员，让他们知道他们应该更加专注于一个主题或尝试更多样化。已经进行了多项研究来衡量研究人员的影响。众所周知，接收到的引用可以在衡量研究人员的影响方面起到非常重要的作用[3]，[4]。已经提出了通过计算研究人员在所有领域的影响来进行基于主题的作者排名的方法[5]，[6]。各种努力已经衡量了出版场所对作者排名的影响[7]。在本文中，我们研究了在多个主题上工作对作者影响的效果。为此，我们对从信息检索(IR)领域检索到的数据集进行实验，并分析其进展。0Track: 认知计算 WWW 2018，2018年4月23日至27日，法国里昂 3740在IR的单个或多个子主题中工作的作者。研究表明，通过在多个主题上工作，研究人员可以提高获得引用的机会，这可能有很多认知上的好处。研究结果表明，在多个主题上工作不能显著提高研究人员的科学影响力。本文的其余部分按照以下方式组织：第2节提供与本研究相关的工作；第2节阐述问题陈述；第3节给出数据集选择的详细信息；第4节描述了提出的方法；第5节讨论了获得的结果；第6节总结了研究并提供了未来的方向。02 相关工作02.1 作者排名方法0从文献中，我们找到了一些考虑多个特征作为权重的作者排名方法。作者排名算法[8]在合著网络中计算作者的重要性，考虑合作强度。作者的影响力通过结合引用和合著图属性以及加权版本的PageRank来量化[9]，[10]。研究了六种不同变体的文献网络，并进行了比较，结果推荐使用混合网络来研究研究互动和合作[11]。一些研究评估了异构学术网络，例如：作者、期刊和出版物引用网络的组合[12]，论文、作者、协会和出版场所的引用网络[13]，同时考虑了作者、出版物和出版场所以及主题的影响[5]。研究了作者对彼此的相互影响，并确定了一个作者的排名受其合著作者的地位影响，高排名的合著作者对初级合著作者有更大的影响，反之亦然[3]，[14]–[16]。分析了与顶级研究人员合作对初级研究人员的职业生涯的影响，并得出了重要的发现[17]。提出了用于作者排名的Q-Rank[18]。它根据论文的质量以及研究人员对这些论文的参与程度计算研究人员的初步排名分数。它还处理了只有一个作者发表论文的情况。使用基于引用和基于PageRank的方法预测了计算机科学论文的大约两百万个文本元数据记录中的获奖研究人员，并研究了引用的影响[19]。选择了Codd奖和图灵奖获得者来评估结果，当考虑到获奖者的相对排名时，基于PageRank的方法表现更好。02.2 时间方法0时间维度也是一个重要因素，当作为排名标准时，它可以起到关键作用[20]。提出了一种考虑出版时间和引用时间的时间感知方法。该方法通过考虑两个作者是否合作以及何时合作来为引用分配权重[21]。时间排名方法0考虑到引用的时间，并给予被高排名作者引用的作者更多的权重[22]。该方法表明，作者的认可时间对于学术任务（如寻找新星）是重要的。对于科学文章的排名考虑了包括引用、作者、出版物来源和出版时间信息在内的异质因素[23]。一种考虑出版时间的作者排名方法TAPRank，研究了用于找到作者影响力的异质网络[24]。02.3基于主题的方法0基于主题的方法被用来识别不同时间段内具有特定专业知识的研究人员[25]。一些基于主题的方法已经被提出[6]，[26]，[27]，但这些变体没有考虑学术系统的异质性。在科学领域中，研究了主题演化问题，以找到关键领域进展，并促进领域内和领域间的知识转移。研究发现，主要主题的增长通常遵循从调整状态到成熟状态的演化过程[28]。最近研究了主题扩散的分析，用于加权引用网络和检测主题演化的框架[29]。使用引用和被引用论文之间的主题继承模型，研究了引用影响的强度和论文主题的识别。然而，这些方法将主题的影响与其他标准一起用于作者排名，但没有衡量研究人员在研究生涯中主题变化的影响。最近的一项研究对文献数据集进行了大规模分析，发现研究兴趣的变化遵循指数分布的可重复模式[30]。以定量方式研究了研究人员在职业生涯中研究兴趣变化的性质。02问题陈述0作者有可能在多个领域工作，并且他们在自己选择的不同领域可能有不同的评分。需要分析主题漂移的影响，以找出在多个主题上工作的作者能否产生更大的影响，或者在单一主题上工作的作者是否在他们的职业生涯中取得成功。该分析将帮助研究人员决定他们应该专注于一个主题还是尝试在多个主题上工作以在研究生涯中获得更高的影响力。03数据集描述0我们选择了IR领域作为我们的测试基地，并从Web ofScience中提取了1956年至2014年的论文及其引用文献。搜索策略基于以下术语：信息检索，查询语言，查询语言，信息存储和检索，查询处理，数据库查询，数据库查询，文档检索，数据检索，图像检索，文本检索，基于内容的检索，基于内容的检索和相关反馈[5]。总共，我们收集了20,359篇论文，44,770个不同的作者，558,498个引用关系和3,270个唯一的期刊。0Track: 认知计算 WWW 2018，2018年4月23日至27日，法国里昂 3750标题和摘要字段被用作提取主题的文本语料库。04方法论0对于当前的研究，我们需要将作者分为两个主要类别，即（1）从事单一主题的作者和（2）从事多个主题的作者。简要的方法如图1所示。对于分析，我们只考虑获得一项或多项引用的出版物。我们计算了作者所有出版物的累计引用次数作为绩效参数。分析基于五个不同阶段提取的结果。首先，根据他们的主题进行作者的提取和分类。在这个阶段，使用ACT模型[31]将单一主题作者（STA）和多主题作者（MTA）分开。它考虑了所有作者在提取的主题上的概率分布（即给定作者的主题的概率：P（t|a））。通过模型计算了给定主题的作者的概率分布（即P（a|t）=P（a）P（t|a）/P（t））。ACT模型同时计算了作者和主题的概率分布。0�给定作者的主题概率P(t|a)，推断给定作者的研究兴趣，给定主题的作者概率P(a|t)，可以推导出给定主题的最有成果的作者；   �给定文档的主题概率P(t|d)，推断给定文档的主题分布，给定主题的文档概率P(d|t)，可以推导出给定主题的最相关论文。0图1：进行的研究的简要方法0使用ACT模型计算给定作者的主题概率和给定文档的主题概率。在第二阶段，进行数据预处理。通过初始预处理，确定了在一个主题或多个主题上工作的作者。通过扫描IR中所有作者在十个不同主题上的主题概率来获得。首先，找出作者的最高主题值。如果在所有十个主题中只有一个最高值，则表示该作者只在一个主题上工作，我们将其归类为STA。如果一个作者在多个主题上具有较高的值，这意味着该作者在多个主题上工作，我们将其归类为MTA。我们还确定了这些作者所从事的主题。在下一阶段，计算了与主题相关的作者的出版物数量，计算了STA和MTA的出版物，并按降序存储。类似地，还计算了与主题相关的作者的引用次数，并为两种类型的作者存储。最后，我们从AMiner网站[32]提取了作者的h指数。在此过程结束时，我们得到了两个作者列表，一个是在单个主题上工作的作者，另一个是在多个主题上工作的作者，以及他们的出版物数量、引用次数和h指数。表1表示获取有关作者的所需数据的伪代码。0表1：获取待分析结果的伪代码0执行数据的初始预处理  应用ACT模型找到作者的主题概率 从IR中提取10个主题分析每个主题的所有作者的主题概率基于主题概率将作者分类为MTA0STA0对于每个MTA和STA  计算引用次数0计算出版物数量0从AMiner中获取H指数05 结果和讨论0在本节中，我们简要讨论了单个主题和多个主题上工作的作者分别获得的结果，然后进行比较以得出结论。表2显示了ACT识别出的十个主题的代表性词语。首先，我们根据两个主题的引用次数按降序排列作者，并比较两种类型的作者。图2表示MTA和STA之间的引用次数比较。两个类别的前五位作者的引用次数相同（106）。然而，在第6-11位作者中，发现STA的引用次数比MTA更多。总体而言，前15位STA和MTA的总引用次数分别为840和763，表明STA相比MTA获得更多的引用。平均而言，单个主题和多个主题的前15位作者共收到0结果分析0两种类型的作者计算0出版物数量0引用次数0H指数0根据每个作者的主题概率确定MTA和STA0主题提取0使用ACT模型找到主题概率0数据预处理0会议：Cognitive Computing WWW 2018，2018年4月23日至27日，法国里昂 02040608010012012345678910 11 12 13 14 1501020304012345678910 11 12 13 14 153760分别为56和50次引用。趋势线显示，与多主题作者相比，单一主题作者获得了更高的趋势。图3比较了从事单一主题和从事多个主题的作者的出版物数量。通常认为，从事多个主题的人可以产生更多的出版物，因为他们更加多样化，可以吸引更多不同背景的人。在图3中，我们按照出版物数量递减的顺序排列了作者。结果显示，从事单一主题的作者能够产生比从事多个主题的作者更多的出版物。因此，专注于单一主题可以产生更多的出版物。0表2：从IR中提取的十个主题的代表性词语通过ACT提取的十个主题的代表性词语0主题1 图像、检索、内容、颜色、视觉、视频、形状0主题2 检索、信息、语言、文档、查询、相关性、文本0主题3 查询、数据、数据库、查询、XML、高效、搜索0主题4 查询、数据、处理、网络、移动、传感器、分布式0主题5 信息、搜索、网络、用户、图书馆、研究、分析0主题6 网络、信息、语义、本体、管理、框架、分析0主题7 检索、信息、系统、数据、数据库、对象、关系型0主题8 检索、信息、数据、图像、相关性、索引、排名0主题9 数据、医学、信息、数据库、临床、健康、分析0主题10 检索、信息、文档、模糊、网络、图像、知识0图2：单一主题作者和多主题作者的引用次数比较01  https://www.aminer.cn/0此外，单一主题的前15位作者的总出版物数量为358，而多主题的前15位作者的总出版物数量为307。这一发现与一般假设不符，即通过涉猎更多主题而不是专注于单一主题，可以产生更多的出版物。趋势线清楚地显示，单一主题作者比多主题作者更有生产力。引用次数和出版物数量的线性趋势线都显示出类似的模式，表明从事单一主题的作者比从事多个主题的作者更具资历。0出版物数量和引用次数的值取决于我们所选数据集中的出版物，并且受限于数据集的大小。0图3：单一主题作者和多主题作者的出版物数量比较0在文献中，引用被视为衡量作者表现的参数。为了验证从数据集中发现的趋势的有效性，我们选取了最被引用的前15位作者，以及他们的出版物数量，并从AMiner1网站上获取了他们的h指数值。与引用和出版物数量不同，从AMiner获取的h指数值不依赖于数据集的统计数据，因此它们能够更全面地反映作者的地位。表3显示了最被引用的前15位单一主题作者，我们可以看到他们的h指数和出版物数量。类似地，表4显示了最被引用的前15位多主题作者以及他们的h指数和出版物数量。对于两种情况，我们选择了15位作者，根据他们的引用次数递减排序（数据集中具有最高引用次数的作者有5位）。这些表格显示，对于大多数作者来说，随着出版物数量的增加，h指数也在增加。值得注意的是，两个类别的前15位作者中，出版物数量几乎相同的情况下，h指数的值相差很大，而单一主题类别的作者获得了最高的h指数值。图4绘制了来自数据集的最被引用的前15位作者的出版物。该图显示的趋势是0引用次数0按引用次数递减排名0MTA的引用次数 STA的引用次数0线性（MTA的引用次数） 线性（STA的引用次数）0出版物数量0按出版物数量递减排名0MTA的出版物数量 STA的出版物数量0线性（MTA的出版物数量） 线性（STA的出版物数量）0Track: 认知计算 WWW 2018，2018年4月23日至27日，法国里昂 Authors have a tendency to change their topic of interest over time or they may work on multiple topics at the same time. Researchers may not usually be an expert in all the fields they are interested in. They can be a top-notch researcher in one topic and a mediocre in another topic at the same time. In this study, we find the effect of change of topic and working on multiple topics on the ranking of authors. From the trends shown in the figures in results and discussion section, we find that authors who work on a single topic tend to be more productive and they have a high publication count, a high citation count, and a greater h-index value. While the authors who work on multiple topics have comparatively less number of publications, citations, and h-index. 010203012345678910 11 12 13 14 15020406080123456789 10 11 12 13 14 153770也与从图3中得出的结果相符。此外，前15位STA的总出版物数量（根据引用次数计算）为92，而前15位MTA的总出版物数量（根据引用次数计算）为62，两种类型的作者之间存在很大差异。图5显示，从AMiner中得出的h指数趋势也与考虑的数据集得出的结果一致，进一步证实了我们的结果。与图4一样，h指数值适用于两个主题的前15位高被引用作者。因此，可以说，同时从事多个主题的研究人员不能保证能够产生更多的出版物，并能够通过引用获得更多科学界的关注。更多关注和专注于一个主题可能是科学表现适度提升的原因。0表3：前15位被引用次数最多的STA作者的引用次数、出版物数量和h指数0Lee D 106 3 300Sawahney H 106 1 120Steelee D 106 1 70Gorkani M 106 1 30Yanker P 106 1 30Salton G 81 30 480Grey JE 59 2 30Zhou XS 33 6 280Del Bimbo A 25 17 360Pala P 25 15 210Colombo C 25 3 10Kohonen T 17 3 370Honkela T 17 2 210Zhang C 14 5 10DeWitt D 14 2 890表4：前15位被引用次数最多的MTA作者的引用次数、出版物数量和h指数0PetKovic D 106 2 220Niblack W 106 1 120Dom B 106 2 50Huang Q 106 2 10Hafner J 106 1 10Mehrotra R 59 3 10Ceri S 25 13 640Bonifati A 18 4 240Geissbuhler A 18 7 130Muller H 18 12 290Rosset A 18 2 40Garcia A 18 3 10Vallee JP 18 2 100Valencia A 17 3 700Kaski S 17 5 370图4：前15位被引用次数最多的作者的单一主题和多个主题作者的出版物数量比较0图5：单一和多个主题作者的h指数比较06 结论和未来工作0对于数据集的选择，我们将兴趣领域限制在信息检索上。由于这种数据集选择活动的结果，研究结果偏向于在IR的一个或多个子领域工作的科学家。然而，这种限制也指向了进一步探索的新机会。事实上，更广泛的数据集可以提供对不同学科中主题漂移影响的新的和更丰富的理解。对于主题漂移在更多通用专业领域中的影响的进一步研究也应该被发现，因为它可能揭示出更重要的结果。综上所述，我们的研究结果首次提供了关于主题漂移如何影响科学表现和影响的系统实证证据。0出版物数量0前15位作者根据他们的引用排名0MTA的出版物计数STA的出版物计数0线性（MTA的出版物计数）线性（STA的出版物计数）0H指数0前15位作者根据他们的引用H指数排名MTA H指数排名STA0线性（MTA的H指数）线性（STA的H指数）0会议：2018年4月23日至27日，法国里昂，认知计算WWW 2018 3780还应该发现通用专业领域，因为它可能揭示出更重要的结果。综合我们的研究结果，首次提供了关于主题漂移如何影响科学表现和影响的系统实证证据。0致谢0本研究得到了韩国教育部和韩国国家研究基金会（NRF-2015S1A3A2046711）的支持。我们还感谢MahrukhMalik女士在实验初期的支持。0参考文献0[1] H. Ankarali, O. Pasin, and S. Ankarali,“一种评估学术表现的新指标：Hos-index”，国际计算机科学问题杂志，第14卷，第3期，第78页，2017年。 [2] J. G. Foster, A. Rzhetsky, and J. A. Evans,“科学家研究策略中的传统与创新”，美国社会学评论，第80卷，第5期，第875-908页，2015年。 [3] T. Amjad, A. Daud, D. Che, and A. Akram, “MuICE:互相影响和引用排他性作者排名”，信息处理与管理，2015年。 [4] D. Bouyssou and T.Marchant,“使用引用的分数计数对作者进行排名：一种公理化方法”，信息计量学，第10卷，第1期，第183-199页，2016年。 [5] T. Amjad, Y. Ding, A. Daud, J. Xu, and V. Malic,“基于主题的异构排名”，科学计量学，第104卷，第1期，第313-334页，2015年。 [6]T. Amjad and A. Daud,“根据他们的专业领域对作者进行索引”，马来西亚图书馆与信息科学杂志，第22卷，第1期，第69-82页，2017年。 [7] D. Peiris and R. Weerasinghe,“基于引用网络的学术出版物和会议排名框架”，2015年第15届新兴地区ICT国际会议，第146-151页。 [8] X. Liu, J. Bollen, M. L. Nelson, and H. Van de Sompel,“数字图书馆研究社区的合著网络”，信息处理与管理，第41卷，第6期，第1462-1480页，2005年。 [9] E. Yan and Y. Ding,“发现作者影响力：基于PageRank的视角”，信息处理与管理，第47卷，第1期，第125-134页，2011年。 [10] D. Fiala, F. Rousselot, and K. Ježek,“用于文献网络的PageRank”，科学计量学，第76卷，第1期，第135-158页，2008年。[11] E. Yan and Y. Ding,“学术网络相似性：文献耦合网络、引用网络、共引网络、主题网络、合著网络和共词网络之间的关系”，美国信息科学与技术协会期刊，第63卷，第7期，第1313-1326页，2012年。 [12] E. Yan, Y. Ding, and C. R. Sugimoto,“P-Rank：衡量异构学术网络中的声望的指标”，美国信息科学与技术协会期刊，第62卷，第3期，第467-477页，2011年。 [13] Z. Yang, L. Hong, and B. D. Davison,“基于主题的多类型引用网络分析”，在ICT新兴地区的适应性、个性化和融合中，2010年，第24-31页。0[14] T. Amjad, A. Daud, A. Akram, and F.Muhammed，“在合著网络中排名作者时的相互影响的影响”，科威特科学杂志，第43卷，第3期，2016年。[15] X.-L. Li，C. S. Foo，K. L. Tew和S.-K.Ng，“在参考文献网络中寻找新星”，在高级应用数据库系统中，2009年，第288-292页。[16] A.Daud等，“通过加权相互影响在合著网络中找到新星”，在第26届国际万维网会议附属会议论文集中，2017年，第33-41页。[17] T.Amjad等，“站在巨人的肩膀上”，信息学杂志，第11卷，第1期，2017年，第307-323页。[18] L. Li，X. Wang，Q. Zhang，P. Lei，M. Ma和X.Chen，“学术社交网络中作者排序的快速有效方法”，在多媒体和普适工程中，Springer，2014年，第179-185页。[19] D. Fiala和G.Tutoky，“基于PageRank的获奖研究员预测和引用的影响”，信息学杂志，第11卷，第4期，2017年，第1044-1068页。[20] T. Amjad，A. Daud和N. R.Aljohani，“学术社交网络中的作者排序：一项调查”，图书馆高科技，第36卷，第1期，2018年，第97-128页。[21] D.Fiala，“面向时间的PageRank用于文献网络”，信息学杂志，第6卷，第3期，2012年，第370-388页。[22] M. Franceschet和G.Colavizza，“TimeRank：利用引用评估学者的动态方法”，信息学杂志，第11卷，第4期，2017年，第1128-1141页。[23] Y. Wang，Y. Tong和M.Zeng，“通过利用引用、作者、期刊和时间信息对科学文章进行排序。”，2013年。[24]X. Kong，J. Zhou，J. Zhang，W. Wang和F.Xia，“TAPRank：异构网络中的一种时态作者排序方法”，在2015年IEEE国际智能城市/社交计算/可持续计算（SmartCity）会议上，第242-246页。[25] A. Daud，J. Li，L.Zhou和F.Muhammad，“通过广义时间主题建模进行时间专家查找”，基于知识的系统，第23卷，第6期，2010年，第615-625页。[26] Z. Yang，J. Tang，J. Zhang，J. Li和B.Gao，“通过概率模型进行主题级别的随机游走”，在数据和Web管理方面的进展，Springer，2009年，第162-173页。[27] T. A. Olowookere，B. O. Eke和L. U.Oghenekaro，“基于主题建模的数字图书馆文本文档挖掘框架”，2015年。[28] B.Chen，S. Tsutsui，Y. Ding和F.Ma，“理解科学领域中的主题演化：信息检索领域的探索性研究”，信息学杂志，第11卷，第4期，2017年，第1175-1189页。[29] M. Kim，I. Baek和M.Song，“生物医学文献中加权引用网络的主题扩散分析”，信息科学技术协会杂志。[30]T. Jia，D. Wang和B. K.Szymanski，“量化研究兴趣演化的模式”，自然人类行为，第1卷，第78页，2017年。[31] J. Tang，R. Jin和J.Zhang，“一种主题建模方法及其集成到学术搜索的随机游走框架中”，2008年，第1055-1060页。[32] J. Tang，J. Zhang，L. Yao，J. Li，L. Zhang和Z.Su，“Arnetminer：学术社交网络的提取和挖掘”，2008年，第990-998页。0Track: 认知计算 WWW 2018，2018年4月23-27日，法国里昂