2022 Fiscal Year Annual Research Report
Mapping emerging research trends from dynamic networks via sparse representation
| Project/Area Number |
17K12794
|
|---|
| Research Institution | Doshisha University |
|---|
Principal Investigator |
桂井 麻里衣 同志社大学, 理工学部, 准教授 (70744952)
|
|---|
| Project Period (FY) |
2017-04-01 – 2023-03-31
|
| Keywords | 学術データ分析 / サイエンスマッピング / 共起語 / 学術ビッグデータ |
|---|
| Outline of Annual Research Achievements |
国際会議・論文誌の継続的増加やarXivなどのプレプリントサーバの普及、研究成果のオープン化に伴い、膨大な量の学術情報が日々蓄積されている。本研究課題の目的は、学術ビッグデータからの最新トピック発掘とその変遷の可視化を同時実現する研究トレンドマッピング技術の確立である。そのために、時系列ネットワークにおいて急激に時間変化した部分(バースト)のみを残すスパース最適化手法を提案する。
はじめに、ネットワークの隣接行列を二つの行列に分解するための目的関数とその最適化手法を構築した。学術論文タイトル集合の単語共起行列に対して提案手法を適用すると、研究トレンドを表すネットワークが出力される。得られる共起語ネットワークは、二語以上からなる技術名や技術間の関連性を概念空間で直接表現できるという利点をもつ。人工データを用いた性能評価実験では、ベースライン手法に比べて高速かつ高精度にバースト検出できることを示した。複数分野の国際会議を対象とした実験では、提案手法による可視化結果をもとに各分野のトレンドについて定性的に分析した。以上の成果はジャーナル論文として公表した。また、ソースコードをウェブサイトで公開した。本研究のさらなる応用として、二つの論文誌間のトレンドを提示し、それらの間の共通点を可視化するインタフェースを構築し、国際会議で発表した。
最終年度にあたる2022年度は、これまでの研究で培ったトレンド検出に関する手法をもとに、様々な分野のキーワードのバースト性を定量化した。特に図書館情報学分野で盛んに用いられているデータ分析手法を抽出した結果はジャーナル論文として公表した。
|
