基于学术论文全文的共现网络探索算法的学术影响力

arXiv cs.AI 论文
algorithms co-occurrence-network academic-influence natural-language-processing network-analysis full-text-analysis machine-learning

摘要

本文从学术论文全文构建大规模算法共现网络，研究自然语言处理中算法的集体影响力，发现经典、高性能及交叉领域的算法在网络中占据核心位置。

arXiv:2606.24099v1 公告类型：新 摘要：在人工智能（AI）时代，算法已成为科学研究的核心。尽管论文中提及的算法常被用于表示流行度和影响力，但现有研究通常孤立地评估单个算法，对其通过相互联系形成的集体影响力关注有限。本研究基于学术论文全文，构建了自然语言处理（NLP）领域的大规模算法共现网络，并从网络视角研究算法影响力。利用深度学习模型，我们提取算法实体，构建总体、累积和年度共现网络。我们分析其结构特征，并应用多种中心性度量来评估算法在整个领域及时间维度上的群体影响力。结果表明，算法网络展现出复杂网络的典型特征，在大约二十年时间内连接日益密集。经典、高性能以及处于不同研究时期交界的算法往往具有高流行度、控制力、中心性和平衡的影响力。当算法影响力下降时，通常先失去其核心网络位置，随后与其他算法的关联变弱。本研究是首次对算法共现网络进行大规模分析。覆盖四十多年的学术出版物，它提供了算法影响力的时间与结构视角，并为未来关于算法、学者和任务网络的研究奠定了基础。
查看原文
查看缓存全文

缓存时间: 2026/06/24 07:44 

# 基于学术论文全文的算法共现网络及其学术影响力探究  
来源：https://arxiv.org/abs/2606.24099  
查看PDF（https://arxiv.org/pdf/2606.24099）  

> 摘要：在人工智能时代，算法已成为科学研究的核心。尽管论文中的算法提及常被用来表示受欢迎程度和影响力，但现有研究通常孤立评估单一算法，较少关注算法之间通过相互联系所形成的集体影响力。本研究基于学术论文全文，在自然语言处理领域构建大规模算法共现网络，并从网络视角探究算法影响力。我们利用深度学习模型提取算法实体，构建了整体、累积和年度共现网络。通过分析其结构特征，并运用多种中心性指标，评估了算法在整个领域及其时间维度上的群体影响力。结果表明：算法网络呈现出典型的复杂网络特征，在大约二十年的时间里连接日益紧密。经典、高性能算法以及位于不同研究时期交汇处的算法，通常具有高流行度、强控制力、高中心性和均衡的影响力。当算法影响力下降时，通常首先丧失其网络核心位置，随后与其他算法的关联减弱。本研究是首次对算法共现网络进行的大规模分析。它涵盖四十多年的学术出版物，从时间和结构两个维度展示了算法影响力，并为未来研究算法、学者与任务之间的网络关联奠定了基础。  

## 提交历史  

来自：Chengzhi Zhang \[查看邮件（https://arxiv.org/show-email/f4b4fabd/2606.24099）\] **\[v1\]** 2026年6月23日 星期二 03:26:39 UTC（1,706 KB）

相似文章