Core-Periphery Analysis Using Principal Components of the Neighborhood-based Bridge Node Centrality Tuple
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The neighborhood-based bridge node centrality (NBNC) tuple has been proposed in the literature to rank nodes for the extent they could serve as a bridge node. The NBNC tuple of a node v has three entries: (# components in NGv, 1-algebraic connectivity ratio of NGv and degree of node v), where NGv is the neighborhood graph of node v. The research presented in this paper conducts principal component analysis on dataset comprising of NBNC tuples of all the nodes and computes a weighted PC_NBNC score based on the entries for the nodes in the dominating principal components (variances ≥ 1.0). The proposed model is to classify nodes as core (or peripheral) if their weighted PC_NBNC score is ≥ 0.0 (or < 0). The study measures the fractions of core-core, core-peripheral and peripheral-peripheral links and the fractions of core and peripheral nodes and uses these measures to classify a real-world network as either core-heavy or peripheral-heavy. Accordingly, 48 of the 80 real-world networks are classified as core-heavy (observed to be dominated by core nodes and core-core links) and the remaining 32 networks are classified as peripheral-heavy (observed to be dominated by peripheral nodes).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle