Estudios
I+D+I
Institución
Internacional
Vida Universitaria
Repositorio Institucional de Documentos
Buscar
Enviar
Personalizar
Sus alertas
Sus carpetas
Sus búsquedas
Ayuda
EN
/
ES
Página principal
>
Artículos
> Prediction of new scientific collaborations through multiplex networks
Estadísticas de uso
Gráficos
Prediction of new scientific collaborations through multiplex networks
Tuninetti, M.
;
Aleta, A.
;
Paolotti, D.
;
Moreno, Y.
(Universidad de Zaragoza)
;
Starnini, M.
Resumen:
The establishment of new collaborations among scientists fertilizes the scientific environment, fostering novel discoveries. Understanding the dynamics driving the development of scientific collaborations is thus crucial to characterize the structure and evolution of science. In this work, we leverage the information included in publication records and reconstruct a categorical multiplex networks to improve the prediction of new scientific collaborations. Specifically, we merge different bibliographic sources to quantify the prediction potential of scientific credit, represented by citations, and common interests, measured by the usage of common keywords. We compare several link prediction algorithms based on different dyadic and triadic interactions among scientists, including a recently proposed metric that fully exploits the multiplex representation of scientific networks. Our work paves the way for a deeper understanding of the dynamics driving scientific collaborations, and validates a new algorithm that can be readily applied to link prediction in systems represented as multiplex networks. © 2021, The Author(s).
Idioma:
Inglés
DOI:
10.1140/epjds/s13688-021-00282-x
Año:
2021
Publicado en:
EPJ Data Science
10, 1 (2021), 25 [10 pp]
ISSN:
2193-1127
Factor impacto JCR:
3.63 (2021)
Categ. JCR:
MATHEMATICS, INTERDISCIPLINARY APPLICATIONS
rank: 17 / 108 = 0.157
(2021)
- Q1
- T1
Categ. JCR:
SOCIAL SCIENCES, MATHEMATICAL METHODS
rank: 11 / 53 = 0.208
(2021)
- Q1
- T1
Factor impacto CITESCORE:
6.5 -
Mathematics
(Q1) -
Computer Science
(Q1)
Factor impacto SCIMAGO:
1.071 -
Computer Science Applications
(Q1) -
Computational Mathematics
(Q1)
Financiación:
info:eu-repo/grantAgreement/ES/DGA-FEDER/E36-20R
Financiación:
info:eu-repo/grantAgreement/ES/MINECO-FEDER/FIS2017-87519-P
Tipo y forma:
Artículo (Versión definitiva)
Área (Departamento):
Área Física Teórica
(
Dpto. Física Teórica
)
Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace.
Exportado de SIDERAL (2023-05-18-15:22:26)
Enlace permanente:
Copiar
Visitas y descargas
Este artículo se encuentra en las siguientes colecciones:
Artículos
Volver a la búsqueda
Registro creado el 2022-02-15, última modificación el 2023-05-19
Versión publicada:
PDF
Valore este documento:
Rate this document:
1
2
3
4
5
(Sin ninguna reseña)
Añadir a una carpeta personal
Exportar como
BibTeX
,
MARC
,
MARCXML
,
DC
,
EndNote
,
NLM
,
RefWorks