عنوان	تحلیل شبکه‌ی هم‌نویسندگی بزرگ‌مقیاس با یادگیری ماشین
نوع پژوهش	مقاله چاپ‌شده در مجلات علمی
کلیدواژه‌ها	شبکه‌های هم‌تألیفی، تحلیل شبکه‌های پیچیده، مرکزیت شبکه، روش‌بندی، تحلیل شبکه، جوامع پژوهشی
چکیده	تحلیل شبکه‌های هم‌نویسندگی یک زمینه میان‌رشته‌ای است که اغلب از ابزارهای گوناگون تحلیلی در مراحل مختلف استفاده می‌کند. با این حال، با افزایش پیچیدگی و گستردگی شبکه‌ها، روش‌های سنتی با محدودیت‌های قابل‌توجهی روبه‌رو می‌شوند. علاوه بر این، ادغام داده‌های متنی و منابع غیرمعمول، فرصتی برای استخراج بینش‌های عمیق‌تر و پیچیده‌تر از این شبکه‌ها فراهم می‌کند. این فرایند نیازمند بهره‌گیری از تکنیک‌های پیشرفته‌ای همچون استخراج متن و پردازش زبان طبیعی است. این مقاله ضمن بررسی این چالش‌ها، مرور نظام‌مندی از مطالعات موجود درباره تحلیل شبکه‌های هم‌نویسندگی از دیدگاه‌های مختلف ارائه می‌دهد. پژوهش حاضر ویژگی‌های ارتباطی و تکامل پویای شبکه‌های هم‌نویسندگی را با استخراج داده‌های مربوط به کاربردهای گوناگون از پایگاه‌های معتبری مانند PubMed، Scopus و Semantic Scholar بررسی می‌کند. مجموعه‌ای از داده‌های بیش از ۲٬۰۰۰ مقاله مرتبط گردآوری و با استفاده از روش‌های یادگیری شبکه و الگوریتم‌های یادگیری ماشین تحلیل شد. این تحلیل شامل شاخص‌های عمومی شبکه‌های هم‌تألیفی مانند تراکم و ضریب خوشه‌بندی، شناسایی فعال‌ترین زمینه‌های پژوهشی، نویسندگان و مجلات، روش‌بندی موضوعی و بررسی پویایی زمانی تغییرات شبکه است. نتایج نشان‌دهنده گسترش چشمگیر جوامع هم‌نویسندگی، به‌ویژه در حوزه‌های میان‌رشته‌ای مانند مهندسی، پزشکی و علوم کامپیوتر است. این پژوهش اطلاعات ارزشمندی برای پژوهشگرانی فراهم می‌کند که به شناسایی حوزه‌های کمتر بررسی‌شده و رفع شکاف‌های دانشی در تحلیل شبکه‌های هم‌تألیفی علاقه‌مند هستند.
پژوهشگران	زانیار کریمی (نفر اول)، صادق سلیمانی (نفر دوم)