分类:引用骨架挖掘

来自Big Physics


研究背景

引用骨架挖掘就是指从所有的引用关系中,发现,真正的基础性,代表知识传递、融合的那些引用。引用是科学学中最重要的关系之一(其他还有作者-论文“写作”关系、论文-主题“工作在”关系)。一篇文章的引用次数就好像是一个产品在经济系统里面的价格。但是,由于学科引用传统等差异,各个学科的并不能直接相比较,也就是需要一个汇率转换。另外,很多时候,引用表示“我已经看过这个文献”,而不一定是“它是我这个工作的基础”。因此,如何把引用骨架识别出来就成了一个科学学研究的基本问题。

引用骨架挖掘的问题可以表达成给每一条引用边一个权重的问题。从某一篇施引文献p开始,例如,目前常用的不区分的方式就是给它的引文同样的权重,也就是。施引方归一就是给它们这样的区中,其中就是p的总参考文献数量。还有的研究者主张(缺参考文献)按照引文在文章中出现的总次数来给权重,例如,。还有的研究者提出来需要考虑在哪里引用,以及施引文章和被引文章之间的某种相似性(见[1]的引文)。那么,问题来了,有没有一个综合考虑这些因素找出来哪些因素最管用,并且更进一步做好这样一个识别骨架的算法和产品的呢?[2]

可能的简化网络方法(希望保留“真”引用)

或者,能不能换一个思路,在给权重和不给权重的引文网络上,做一下边的某种权重算法,例如计算边的Betweenness或者把[PageRank]放在边上,这样来进一步区别边呢?[3]就研究了PageRank和LDA等技术是否能够更好地区分真是真实的问题。

另一个方法是通过压缩引文网络的边,最好能够只保留有学术影响意义的引文。这样的保留方式有很多种,比如,如果两篇存在引用关系的论文,被第三篇引用,可以仅仅保留第三篇到最早的第一篇文献的引用(这个相当于[4]里面的Transitive Reduction(保连通性删边?)),或者仅仅保留第三篇到较晚的第二篇文献的引用,甚至考虑机器学习的自动特征提取[1][5][6][7] 。更多的关于[1]可能的进一步研究,见Measuring academic influence: Not all citations are equal

甚至,可以考虑第二篇和第三篇文章,到底哪一篇的创新性(例如用replaceability指数,disruptive指数)比较高,然后保留比较高的那个。

最近一篇网络简化方法的文章[8],可能也可以参考。

基于边重要性度量的去边

对边做betweenness计算或者PageRank边本征值计算,来区别引用,只保留某个值以上的边。甚至可以考虑augumented边介数,也就是给每一条最短路径一个权重,例如两个顶点的引用次数的乘积。这时候看看选择出来的边怎样,是不是和某个ground truth相符。

基于全文和引文word2vec构建引文推荐

这个技术来源于文章主题识别,就是通过全文的word2vec、或者全文和引文结合的word2vec,来计算每一篇文章的相似性,以及每篇文章的某种重要性,然后,对于给定篇章,推荐合适的参考文献。为什么可以用于骨架识别呢?那些出现在推荐列表中的论文是不是可以当做真引用?


甚至可以考虑上面两段的结合,在最近保留和最远保留的网络上,以及原始的引用网络上试试广义投入产出,看看这几个网络下差别最大的那些顶点是哪些,是不是能够反映那些顶点的创新性,或者用来找到真引用?

另一个关键问题是,判断那种算法的结果最好的标准是什么?文献[1]收集了一个作者自己标注哪些引用是有实质学术影响的引用的数据,可以供进一步中暂时当做判断标准研究使用,见数据集

考虑依靠整个社区的力量,自己来构建一个基础数据集?把每一篇网络科学或者科学计量学的文章的引用做标记,例如直接问题基础、直接方法基础、直接结论基础(拓展、相反)、直接数据基础,间接文献等标记。

参考文献

  1. 1.0 1.1 1.2 1.3 Xiaodan Zhu, Peter Turney, Daniel Lemire & André Vellino, Measuring academic influence: Not all citations are equal, Journal of the Association for Information Science and Technology, 66(2), 408, DOI: http://doi.org/10.1002/asi.23179
  2. Marco Valenzuela, Vu Ha and Oren Etzioni, Identifying Meaningful Citations, http://go.nature.com/2th2voa
  3. Munui Kim Injun Baek Min Song, Topic diffusion analysis of a weighted citation network in biomedical literature, JOURNAL OF THE ASSOCIATION FOR INFORMATION SCIENCE AND TECHNOLOGY 69(2)329-342(2018) https://doi.org/10.1002/asi.23960
  4. James R. Clough, Jamie Gollings, Tamar V. Loach & Tim S. Evans, Transitive reduction of citation networks, J Complex Netw (2015) 3 (2): 189-203. DOI: https://doi.org/10.1093/comnet/cnu039
  5. Saeed-Ul Hassan, Mubashir Imran, Sehrish Iqbal, Naif Radi Aljohani and Raheel Nawaz. Deep context of citations using machine-learning models in scholarly full-text articles. SCIENTOMETRICS 117(3), 1645-1662(2018), 10.1007/s11192-018-2944-y
  6. D. Pride, and P. Knoth, Incidental or Influential? - Challenges in Automatically Detecting Citation Importance Using Publication Full Texts. https://arxiv.org/pdf/1707.04207.pdf
  7. X. Liu, Yingying Yu, C. Guo, Y. Sun and L. Gao, "Full-text based context-rich heterogeneous network mining approach for citation recommendation," IEEE/ACM Joint Conference on Digital Libraries, London, 2014, pp. 361-370.
  8. Riccardo Marcaccioli & Giacomo Livan, A Pólya urn approach to information filtering in complex networks, Nature Communications 10, 745 (2019)