О некоторых свойствах графов сотрудничества учёных в Math-Net.ru

Main Article Content

Аннотация

Проведено исследование двух графов научного сотрудничества, построенных на основе соавторства и цитирования по данным Общероссийского математического портала Math-Net.Ru. Граф научного сотрудничества на основе цитирования представляет собой ориентированный граф без петель и кратных ребер, вершинами которого являются авторы публикаций, а дуги связывают их, когда имеется хотя бы одна публикация первого автора, цитирующая публикацию второго автора. Граф соавторства – это неориентированный граф, в котором вершинами являются авторы, а ребра фиксируют соавторство двух авторов хотя бы в одной статье. Проводится традиционное исследование основных характеристик обоих графов: диаметр и среднее расстояние, компоненты связности и кластеризация. В обоих графах мы наблюдаем схожую структуру связности – наличие гигантской компоненты и большое количество маленьких компонент. Отмечается сходство и различие научного сотрудничества через соавторство и цитирование.

Article Details

Как цитировать
Печников, А. А., & Чебуков, Д. Е. (2020). О некоторых свойствах графов сотрудничества учёных в Math-Net.ru. Электронные библиотеки, 24(1), 184-196. https://doi.org/10.26907/1562-5419-2021-24-1-184-197

Библиографические ссылки

1. Kas M., Carley K.M., Carley L.R. Trends in science networks: understanding structures and statistics of scientific networks // Social Network Analysis and Mining. 2012. No. 2. P. 169–187.
2. Евин И.А., Хабибуллин Т.Ф. Социальные сети // Компьютерные исследования и моделирование. 2012. Т. 4, № 2. С. 423–430.
3. Дадалко В.А., Дадалко С.В. Метрические исследования как форма анализа научной продуктивности // Аналитика и научное проектирование. 2019. №2. С. 125–135.
4. Newman M.E.J. The structure of scientific collaboration networks // Proceedings of the National Academy of Sciences of the USA. 2001. No. 98 (2). P. 404–409.
5. Kas M., Carley K.M., Carley L.R. Trends in science networks: understanding structures and statistics of scientific networks // Social Network Analysis and Mining. 2012. No. 2. P. 169–187.
6. Chebukov D., Izaak A., Misyurina O., Pupyrev Yu., Zhizhchenko A. Math-Net.Ru as a digital archive of the Russian mathematical knowledge from the XIX century to today // Lecture Notes in Comput. Sci. 2013. Vol. 7961. P. 344–348.
7. Malliaros F.D., Vazirgiannis M. Clustering and community detection in directed networks: A survey // Physics Reports. 2013. Vol. 533, Iss. 4. P. 95–142.
8. Newman M.E., Girvan M. Finding and evaluating community structure in networks // Physical Review E. 2004. Vol. 69(2). P 026113.
9. Blondel V.D., Guillaume J-L., Lambiotte R., Lefebvre E. Fast unfolding of communities in large networks // Journal of Statistical Mechanics: Theory and Experiment. 2008. P 10008.
10. Апанович З.В., Винокуров П.С. Методы и средства визуализации сетей соавторства и сетей цитирования больших научных порталов // Электронные библиотеки. 2011. Т. 14, Вып. 3. https://elbib.ru/article/view/308.
11. Kennedy D. Multiple Authors, Multiple Problems // Science. 2003. Vol. 301(5634). P. 733.


Наиболее читаемые статьи этого автора (авторов)