A Novel Deep Neural Network-Based Approach to Measure Scholarly Research Dissemination Using Citations Network

引用 计算机科学 情报检索 卷积神经网络 度量(数据仓库) 数据科学 背景(考古学) 嵌入 图形 开放式研究 数据挖掘 人工智能 万维网 理论计算机科学 地理 考古
作者
Naif Radi Aljohani,Ayman G. Fayoumi,Saeed‐Ul Hassan
出处
期刊:Applied sciences [MDPI AG]
卷期号:11 (22): 10970-10970 被引量:5
标识
DOI:10.3390/app112210970
摘要

We investigated the scientific research dissemination by analyzing the publications and citation data, implying that not all citations are significantly important. Therefore, as alluded to existing state-of-the-art models that employ feature-based techniques to measure the scholarly research dissemination between multiple entities, our model implements the convolutional neural network (CNN) with fastText-based pre-trained embedding vectors, utilizes only the citation context as its input to distinguish between important and non-important citations. Moreover, we speculate using focal-loss and class weight methods to address the inherited class imbalance problems in citation classification datasets. Using a dataset of 10 K annotated citation contexts, we achieved an accuracy of 90.7% along with a 90.6% f1-score, in the case of binary classification. Finally, we present a case study to measure the comprehensiveness of our deployed model on a dataset of 3100 K citations taken from the ACL Anthology Reference Corpus. We employed state-of-the-art graph visualization open-source tool Gephi to analyze the various aspects of citation network graphs, for each respective citation behavior.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
年轻千愁完成签到 ,获得积分10
刚刚
刚刚
RJY完成签到,获得积分10
1秒前
2秒前
石夜一觞完成签到,获得积分10
2秒前
3秒前
研友_852G6L完成签到,获得积分10
3秒前
guoguo发布了新的文献求助10
3秒前
4秒前
5秒前
夜倾心给夜倾心的求助进行了留言
5秒前
6秒前
LIUWang完成签到,获得积分10
6秒前
一朵云完成签到,获得积分10
6秒前
7秒前
酷波er应助华开放采纳,获得30
8秒前
可爱的函函应助刘荣圣采纳,获得10
8秒前
虚幻双双完成签到,获得积分10
8秒前
卓诗云发布了新的文献求助10
9秒前
10秒前
10秒前
defupai发布了新的文献求助10
10秒前
南小琴发布了新的文献求助10
10秒前
11秒前
科研通AI2S应助葡萄成熟采纳,获得10
12秒前
12秒前
12秒前
轻松丹寒完成签到,获得积分10
12秒前
14秒前
16秒前
浅惜应助scc采纳,获得10
16秒前
肖不点发布了新的文献求助10
16秒前
狂奔的翔发布了新的文献求助10
16秒前
搜集达人应助唠叨的天亦采纳,获得10
16秒前
正直丹寒发布了新的文献求助10
16秒前
卓诗云完成签到,获得积分10
16秒前
superzyj发布了新的文献求助10
17秒前
ding应助LIUWang采纳,获得10
17秒前
SciGPT应助尊敬曼岚采纳,获得10
17秒前
隐形的雨雪完成签到 ,获得积分10
17秒前
高分求助中
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
Evolution 3rd edition 500
Die Gottesanbeterin: Mantis religiosa: 656 500
Communist propaganda: a fact book, 1957-1958 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3178524
求助须知:如何正确求助?哪些是违规求助? 2829537
关于积分的说明 7971864
捐赠科研通 2490839
什么是DOI,文献DOI怎么找? 1328016
科研通“疑难数据库(出版商)”最低求助积分说明 635380
版权声明 602904