인용 네트워크 전이적 환원을 통한 학제성 규명
본 연구는 인용 네트워크에 대한 전이적 환원의 영향을 탐구한다. 전이적 환원 시 인용 손실이 적은 문헌은 학제적(다중 분류)일 가능성이 높고, 인용 손실이 큰 문헌은 단일 분류 내에서 주로 인용된다는 가설을 세웠다. 이 가설을 검증하기 위해 인용 네트워크의 인공 모델과 학술 논문, 법원 판결, 특허 세 가지 실제 데이터 소스를 활용했다. 필요한 경우, 인용 네트워크의 무방향 버전을 사용하여 정의된 네트워크에 모듈성 기반 클러스터링 기법을 적용하여 문헌을 커뮤니티별로 분류했다. 이후 클러스터 의존적 측정 기준을 사용하여 노드를 다중…