全球研究计算机科学杂志》上
菜单石头:2229 - 371 x
石头:2229 - 371 x
| 诉Umadevi博士1 计算机科学与工程系,BMS工程学院,班加罗尔,印度卡纳塔克邦 |
| 通讯作者:诉Umadevi博士电子邮件:umadevi.cse@bmsce.ac.in |
| 相关文章Pubmed,谷歌学者 |
访问更多的相关文章全球研究计算机科学杂志》上
社交网络的研究揭示沟通模式感兴趣的研究人员。共同创作网络是一种类型的一个社交网络。这些网络代表了出版工作由研究人员。共同创作的结构网络分析是有用的在理解科学合作和个人作者的地位。中心测量计算是社会网络分析的许多任务。本文的工作是关注中心进行测量分析,不能成为合作作者使用Gephi网络,社会网络分析工具。
介绍 |
| 共同创作网络是一个重要的社交网络。这些网络的分析,将揭示特性的学术社区帮助理解协作科学著作和识别的研究人员。结构化分析的科学出版物和可视化合成结果可以帮助所有感兴趣的利益相关者在科学过程更加意识到内容和联系,因此可以作为决策支持[1]。共同创作网络分析的意义: |
| 。共同创作网络将有利于保持社会关系的研究人员和他们的同事(合著者)或探索与其他同事发表的论文的合著者。 |
| b。共同创作网络的分析揭示了科学界的贡献结构披露的合作作者与人合写的论文。 |
| 这项工作的重点是分析共同创作使用中心的网络结构属性的措施。共同创作的科学家致力于网络网络理论被认为是作为一个案例研究。Gephi,一个开源社交网络分析工具被用于提取中心措施共同创作网络作者排名。 |
| 共同创作的网络 |
| 共同创作的网络是一个网络用于表达科学论文的作者共同创作的存在关系。共同创作关系关系代表一个作家写了一篇论文是否与另一个作者在过去。研究员的出版数据通常反映了他/她的研究兴趣和他们的社会关系[2]。两位科学家被认为是连接如果他们共同撰写了一篇文章。在共同创作的网络中,节点代表论文的作者和之间存在一条边的两个节点如果作者一起发表了一份研究报告。 |
| 共同创作的代表网络 |
| 我们使用一个简单的网络模型的合著者是一个无向,二分图G,每条边代表一个合作者之间的关系。例如,考虑一个研究论文,作者是A1, A2和A3。同样考虑作者合著的一篇研究论文2 A1, A2和A4。这些作者的共同创作网络图1所示。 |
 |
GEPHI工具 |
| Gephi交互式可视化和勘探平台,各种各样的网络和复杂的系统,动态和分层图[3]。这个工具艾滋病探索和理解图表。目标是帮助数据分析师做出假设,直观地发现模式和孤立奇点或错误数据结构采购。这是一个互补的工具对传统的统计数据,与交互界面视觉思维是现在公认的促进推理。这是探索性数据分析软件,出现的一个范式视觉分析领域的研究。网络这个工具可以处理多达50000个节点和1000000边缘。Gephi提供先进的布局算法,效率和质量。统计和计量框架为社交网络提供最常见的指标分析和无尺度networks.” |
NETSCIENCE共同创作的网络 |
| 共同创作的科学家网络在网络理论和实验工作,如编制的m·纽曼在2006年5月被使用在本文中进行分析。网络书目的编制两个网络评论文章,m·e·j·纽曼,暹罗审查45,167 - 256》(2003)和美国Boccaletti et al .,物理424年报告,175 - 308(2006),添加了一些额外的引用。这里给出的版本包含了所有组件的网络,总共1589名科学家(或节点),和2742链接(或边缘)[4]。 |
中心的措施 |
| 社会网络分析(SNA)已越来越多的应用作为一个结构化的方法来分析人们非正式关系的程度,团队、部门、甚至组织,在各种正式定义组。系统网络体系结构(SNA)使得这些否则可见无形的交互模式,识别重要的组织为了促进有效合作[5]。各种社会网络分析指标如中心措施应用于coauthorship网络来识别著名科学家。 |
| 作者的状态通常是表达的中心,即衡量核心作者是如何网络图。核心作者很好地连接到其他作者和指标的中心将因此试图衡量一个作家的程度(数量和外部链接),平均距离其他作者,或测地线的路径(或最短路径)之间的任何一对作者通过作者[6]。有四个措施广泛用于网络分析的中心:学位中心,介数、亲密和特征向量中心。 |
学位中心: |
| 学位中心等于的关系网络中的一个节点与其他节点图。方程是用来表达中心程度如下: |
| CD (ni) = d (ni) |
| d (ni)的节点倪节点度更高的学位或连接更多的核心结构,往往有更大的影响他人的能力[7]。 |
| 中间性中心: |
| 中间性中心是基于最短路径经过一个节点的数量。中间性扮演高的节点连接不同的基团。测地线或最短路径是一对节点之间的路径,包括最小数量的节点之间,连接这两个节点。在以下公式,gjik都是测地线连接节点j和k节点通过节点我;gjk之间的测地距离的节点j和k。 |
 |
| 在社会网络中,节点与高中间性经纪人和连接器带来别人的人在一起。意味着一个节点之间是有能力控制其他大多数之间的知识流动。个人高的中间性的轴心是网络知识流动。最高的节点介数最大的增加也导致其他典型的距离时删除。 |
| 亲密中心: |
| 更复杂的中心措施是亲密,强调了网络中其他所有节点的距离通过专注于所有其他的测地线距离每个节点。亲密关系可以视为衡量多长时间的信息传播从一个给定的节点到其他网络。亲密中心集中在影响整个网络的广阔性。在下列方程,Cc (ni)是接近中心,和d(镍、新泽西)是网络中两个节点之间的距离。 |
 |
| 特征向量中心: |
| 特征向量中心的测量影响网络中的一个节点。相对分数分配网络中的所有节点基于众所周知的原则获得高分连接节点为节点的分数作出更大贡献的居住问题比相等连接节点[8]。在一般情况下,连接的人自己有影响力的影响比连接将借给一个人更有影响力的人。如果我们表示节点的中心,然后我们可以允许这种效应通过xi的平均比例我中心的网络邻居: |
 |
| λ是一个常数。定义中心的向量x = (x1, x2,…),我们可以把这个方程矩阵形式 |
| λx = A.x |
| 因此我们看到,x是一个邻接矩阵的特征向量和特征值λ。假设我们希望非负的中心,它可以表明,λ必须邻接矩阵的最大特征值和x相应的特征向量。 |
| 以这种方式定义的特征向量中心协议每个节点的中心的数量和质量都取决于连接:仍然有大量的宽带连接,但节点与一个小数量的高质量的联系可能与大量的地位高于一个平庸的联系人。雷竞技网页版特征向量中心是一个暴露的测量在很多情况下[9]。 |
实验设置和结果 |
| 这个实验的目的是执行中心测量分析netscience共同创作网络前一节中描述。图2显示了一个框图的实验设置。最初,不能成为合作作者网络数据加载到Gephi工具。那以后,计算中心措施执行。进一步使用Gephi工具的功能中心测量计算排列作者在过程的最后一步。 |
 |
| 图4显示了所有作者在网络的度分布。从图我们可以看到,作者的数量与二度高,这表明,与两位作者的论文数量最高。最大数量的接触一个作家在他的网络是3雷竞技网页版4。作者与零度128显示有128篇论文作者。 |
 |
| 共同创作的可视化网络根据Gephi学位中心测量工具是图3所示。在这个图中,扩展视图显示作者,巴斯,与规模更大的网络中节点比其他节点。这个大尺寸的节点是更高的学位中心价值的结果比其他作者在网络。 |
 |
| 表我显示了十大作者排名在程度上,介数、亲密和特征向量中心措施。学位中心措施作者的合作范围,亲密中心措施作者的立场和虚拟与他人的距离,和作者的中间性中心措施对其他作者的虚拟沟通的重要性。中间性中心是一个衡量一个作家的影响对信息的传播在网络的任何地方,甚至一些高级作者发挥重要作用的一个链接连接不同的基团。 |
| 特征向量中心是衡量网络中一个节点的重要性。在这里,作者被认为是重要的如果他/她是连接到其他重要的作者。在分析,作者与少数有影响力的联系可能与大量的地位高于一个平庸的联系人。雷竞技网页版 |
| 分析netscience共同创作的学位中心网络,研究人员是谁最神通广大的网络科学社区是巴斯a同样基于Betweeness中心和顶级亲密中心作者纽曼M和Baiesi M .三个作者会继续光顾P,贾克纳G和T Manfield发现有高分的特征向量中心。 |
 |
结论 |
| 本文中心测量分析netscience共同创作网络进行审议。分析结果协助中辨识出无形的网络即,不能成为合作作者。作者之间的关系显示,可视化和一流作家。 |
| 分析共同创作一个更大的科学出版物的数据库信息将帮助确定组织紧密合作的人。未来的研究工作关注分类和排名基于他们的研究领域工作的作者将协助其他作者确定他们感兴趣的研究领域的主要利益相关者。这将有助于加强和改善科学合作工作。语义分析对大的共同创作网络分类和排名的作者通过机器学习算法将肥沃。 |
引用 |
|
