📘 Research Collaboration Detection in Data Science
(Phát hiện nhóm hợp tác trong cộng đồng nghiên cứu Data Science)
Nghiên cứu này tập trung phân tích mạng đồng tác giả (co-author network) trong lĩnh vực Data Science, sử dụng dữ liệu thu thập từ OpenAlex API.
Mục tiêu của dự án:
- Xây dựng mạng đồng tác giả từ dữ liệu thực (Build co-author graph from OpenAlex).
- Phát hiện cộng đồng bằng Louvain, Leiden, Fast Greedy (Detect communities using 3 algorithms).
- Đánh giá mức độ ảnh hưởng của tác giả bằng các chỉ số centrality (Analyze author influence via centrality metrics).
- Trực quan hóa mạng và các nhóm cộng đồng lớn nhất (Visualize communities and graph structure).
Nguồn dữ liệu: OpenAlex (CSDL học thuật mở)
- Tập trung vào lĩnh vực Data Science, Machine Learning, Artificial Intelligence
- Khoảng 2,400 bài báo được trích xuất
- Trường thông tin chính:
| Field | Mô tả (Description) |
|---|---|
| Work_ID | Mã bài báo |
| Title | Tiêu đề |
| Year | Năm công bố |
| Cited_by | Số lượt trích dẫn |
| Authors | Danh sách tác giả |
| Author_IDs | Mã tác giả |
| Concepts | Chủ đề liên quan |
- Mỗi node = một tác giả
- Mỗi edge = hai tác giả cùng viết ≥ 1 bài
- Trọng số cạnh = số lượng bài hợp tác
👉 Một phần thống kê mạng:
| Statistic | Value |
|---|---|
| Nodes | 9,212 |
| Edges | 136,198 |
| Density | 0.0032 |
| Avg Degree | 29.57 |
| Clustering Coefficient | 0.8608 |
Dự án sử dụng 3 thuật toán phổ biến nhất:
| Thuật toán | Mô tả ngắn | Ưu điểm | Nhược điểm |
|---|---|---|---|
| Louvain | Tối ưu modularity lặp (Optimize modularity) | Nhanh, xử lý mạng lớn | Có resolution limit |
| Leiden | Cải tiến Louvain, đảm bảo cộng đồng liên kết chặt (Well-connected communities) | Ổn định nhất, modularity cao nhất | Tính toán phức tạp hơn |
| Fast Greedy | Gom cụm phân cấp bottom-up | Nhanh, đơn giản | Modularity thấp hơn |
| Algorithm | Communities | Modularity Q |
|---|---|---|
| Louvain | 1,167 | 0.9416 |
| Leiden | 1,167 | 0.9418 (cao nhất) |
| Fast Greedy | 1,164 | 0.9344 |
⭐ Kết luận: Leiden hoạt động tốt nhất, Louvain gần tương đương, Fast Greedy nhanh nhưng Q thấp hơn.
| Cặp thuật toán | NMI | ARI |
|---|---|---|
| Louvain – Leiden | 0.8004 | 0.2263 |
| Louvain – Fast Greedy | 0.7971 | 0.2146 |
| Leiden – Fast Greedy | 0.9909 | 0.9119 |
→ Leiden & Fast Greedy cho kết quả gần như giống nhau.
Dự án sử dụng 4 chỉ số trung tâm (centrality):
| Chỉ số | Ý nghĩa |
|---|---|
| Degree | Số lượng hợp tác trực tiếp |
| Betweenness | Vai trò cầu nối giữa các nhóm |
| Closeness | Tính gần gũi trung bình tới mọi nút |
| Eigenvector | Ảnh hưởng toàn cục |
Các tác giả ảnh hưởng nhất:
- John P. A. Ioannidis (Betweenness cực cao)
- Chris Mungall (Eigenvector cao nhất)
- Curtis Huttenhower
- Karen Christie
- Susan Holmes
- Các cộng đồng được tô màu riêng biệt
- Kích thước node biểu diễn centrality
- Layout Force-directed (Spring layout)
(Hình trực quan hóa được đặt trong repo)
Một số phát hiện chính:
- Mạng có tính phân cụm rất mạnh (Q ≈ 0.94)
- Leiden ổn định nhất khi phát hiện cộng đồng
- Fast Greedy phù hợp khi cần tốc độ
- Mạng mang cấu trúc hub–spoke (trung tâm–vệ tinh)
- Một số nhà nghiên cứu đóng vai trò "cầu nối tri thức"
Dự án đã:
✔ Phân tích mạng đồng tác giả Data Science
✔ Phát hiện cộng đồng bằng 3 thuật toán SOTA
✔ Trực quan hóa mạng và đánh giá ảnh hưởng tác giả
✔ Cung cấp góc nhìn toàn diện về hợp tác khoa học
Hướng phát triển:
- Phân tích mạng động (Dynamic Networks)
- Ứng dụng Graph Neural Networks (GNNs)
- Mở rộng phân tích sang nhiều lĩnh vực khoa học khác
Danh sách tham khảo chi tiết đã được trình bày trong báo cáo PDF.
- Hà Thế Anh
- Nguyễn Nhật Nam
- Hoàng Quang Minh
Lê Nhật Tùng
