Исследователи построили сети совместных упоминаний алгоритмов за 40 лет научных публикаций

Исследователи представили масштабный анализ влияния алгоритмов в области обработки естественного языка (NLP) с помощью сетей совместных упоминаний. Для этого они извлекли упоминания алгоритмов из полных текстов научных статей, опубликованных за последние четыре десятилетия, и построили три типа сетей: общую, кумулятивную и годовую.

В основе метода лежит использование глубокого обучения для идентификации названий алгоритмов. Затем авторы применили несколько мер центральности, чтобы оценить коллективное влияние алгоритмов в разные периоды. Результаты показали, что сети алгоритмов обладают типичными свойствами сложных сетей, причем с годами связи становятся все более плотными.

Особенно высокую популярность и контроль продемонстрировали классические высокопроизводительные алгоритмы, а также те, которые оказались на стыке разных исследовательских периодов. Ученые также выяснили, что при снижении влияния алгоритм сначала теряет центральную позицию в сети, а затем ослабевают его связи с другими алгоритмами.

Работа охватывает более 40 лет академических публикаций и впервые проводит крупномасштабный анализ сетей совместных упоминаний алгоритмов. Она предлагает временной и структурный взгляд на влияние алгоритмов, а также закладывает основу для будущих исследований сетей, объединяющих алгоритмы, ученых и задачи.

По мнению авторов, такой подход позволяет лучше понять динамику развития алгоритмов в научной среде и может быть полезен для прогнозирования будущих трендов в искусственном интеллекте.