Aug, 2023

计算机科学研究的映射：趋势、影响与预测

PDF
TL;DR本文通过分析计算机科学领域当前热门的研究领域，探讨了导致这些研究领域出现的因素。利用包括论文、引用和资助信息在内的综合数据集，我们采用了决策树和逻辑回归等先进的机器学习技术，预测研究领域的趋势。分析结果表明，研究论文中引用数量（引用计数）在决定研究领域趋势方面起着关键作用，成为推动计算机科学领域趋势的最相关因素。此外，国家科学基金和专利对热门话题的影响随时间增加。逻辑回归模型在预测趋势方面表现优于决策树模型，具有更高的准确率、精确率、召回率和 F1 分数。通过超过随机猜测的基线，我们的数据驱动方法显示出更高的准确性和效力，为研究人员和机构提供了基于数据的决策和未来研究方向的宝贵洞察。
computer sciencetrending research areasmachine learning techniquesreference countslogistic regression model
发现论文，激发创造
  • 使用 DBLP Discovery 数据集分析计算机科学研究的现状

    本论文使用计量学方法分析计算机科学的元数据，并使用交互式 Web 应用程序 CS-Insights 进行数据可视化，发现了计算机科学领域在过去两十年中出现了大量新的作者和出版物，会议论文的受欢迎程度下降，期刊文章的引用次数更高。

    Dec, 2022

  • 识别影响出版趋势与行为的因果关系：计算语言学界的案例研究

    本文利用混合方法分析了互联网上关于计算语言学的出版趋势、行为对研究聚焦点 —— 方法、材料和任务 —— 的采用、持久和退役的因果影响，发现了快速新方法 —— 双向 LSTMs 的引入影响了 LSTMs 的退役，深度学习，嵌入，生成和语言模型等趋势任务和技术在研究社区中持续受关注，并发现科学家所在地（中国等）和大规模研究项目的资金可能会对超出英语之外的语言进行研究的倾向产生影响。这项工作为计算语言学和更广泛的科学社区提供了有用的见解，提高了关于因果推断的潜力的认识。

    Oct, 2021

  • 通过机器学习在不断演化的知识图上预测高影响力研究主题

    预测从未发表的研究想法的影响力，使用大型知识图谱结合语义网络和引用网络，通过机器学习准确预测未来的网络动态和新研究方向的影响。

    Feb, 2024

  • 六十年来具有重要影响力和高引用量的机器学习研究综合研究

    通过对高被引机器学习论文进行综合评析，我们揭示了机器学习领域内最有影响力的论文、高被引作者以及合作网络。我们还发现了热门研究主题和最新受到关注的新兴话题，并对高被引论文的地理分布进行了分析，突显了某些国家在机器学习研究中的主导地位。通过为研究人员、政策制定者和实践者提供关于这一快速发展领域的主要进展和趋势的有价值的见解，我们的研究为它们提供了有价值的洞察。

    Aug, 2023

  • NLLG 季度 arXiv 报告 09/23：当前最有影响力的人工智能论文是什么？

    人工智能（AI）领域中，自然语言处理（NLP）、机器学习（ML）和计算机视觉（CV）是主要的研究方向和研究领域，此篇研究报告通过对 arXiv 上最引用的论文的分析，对数据集特征、关键词的流行程度和全球机构的分布进行了研究，发现 NLP 在研究中占主导地位，并且美国在相关论文中占据主导地位，而欧洲在最引用的论文中表现较差。

    Dec, 2023

  • 情感分析的演进 - 对研究主题、会议和高引用论文的综述

    通过计算机辅助文献综述，发现情感分析的起源可以追溯到 20 世纪初进行的公共舆情分析和 20 世纪 90 年代的文本主体性分析，但基于网络上的主观文本的情感分析爆发是在 2004 年之后。最近几年，情感分析已经从分析在线产品评论转移到分析来自 Twitter 和 Facebook 等社交媒体的文本。感情分析的应用还扩展到股票市场、选举、灾害、医学、软件工程和网络欺凌等许多主题。

    Dec, 2016

  • AI 领域的研究领域定位

    通过对 OpenAlex 中 257K 篇 AI 文章进行文献计量分析和聚类分析，得出了人工智能，深度学习和机器学习等领域的研究趋势。

    May, 2022

  • 量化在线长期研究兴趣

    该研究利用机器学习模型分析了多个社交媒体平台上文章被在线分享的持续时间，以预测研究文章的长期在线兴趣。研究发现，旧的文章主要与经济和工业相关，而最近发表的文章则最多在研究平台和社交媒体平台方面被提及。

    Sep, 2022

  • 打开未来：面向计算机科学和软件工程学生的自然语言驱动职业预测系统

    我们开发了一个 AI 辅助模型进行早期预测，以提供更好的职业建议，并通过计算机科学和软件工程学生的关键信息训练机器学习模型来预测职业发展路径，进而通过自然语言处理技术和深度学习算法分析，为教育咨询提供特定的职业建议，帮助个别计算机科学和软件工程学生找到适合的工作。

    May, 2024

  • 物理、数学和计算机科学之间的跨学科互动建模

    本论文通过对物理学、数学和计算机科学三个领域的引用流进行建模，并通过时间桶签名对这三个领域之间的引用互动进行量化。基于最近提出的中继链接框架的变体，本文提出了数值模型，试图解开这三个领域之间引用链接形成的基本原理。

    Sep, 2023