最近、arXivに投稿された論文「学術論文全文に基づく共起ネットワークによるアルゴリズムの学術的影響力の探求」では、Yuzhuo Wangら6名の著者が、自然言語処理（NLP）分野におけるアルゴリズムの共起ネットワークを初めて大規模に構築し、ネットワークの観点からアルゴリズムの学術的影響力を体系的に分析しました。本論文は「Aslib Journal of Information Management」に掲載されました。
人工知能の時代において、アルゴリズムは科学研究の中核となっています。論文内でのアルゴリズムの言及はその人気や影響力を示すために使われることが多いですが、既存の研究は個々のアルゴリズムを孤立して評価する傾向があり、相互接続によって形成される集団的影響力には限定的な注意しか払っていませんでした。このギャップを埋めるため、本研究では深層学習モデルを用いて学術論文の全文からアルゴリズムエンティティを抽出し、全体、累積、年度別の3種類の共起ネットワークを構築し、それらの構造特性を分析しました。
研究は40年以上にわたる学術出版物をカバーし、複数の中心性指標（次数中心性、媒介中心性など）を用いて、アルゴリズムの分野全体および時間経過に伴う集団的影響力を評価しました。結果として、アルゴリズムネットワークは典型的な複雑ネットワークの特徴を示し、約20年にわたって接続密度が増加していることがわかりました。古典的で高性能なアルゴリズムや、異なる研究期間の交点に位置するアルゴリズムは、高い人気度、制御力、中心性、バランスの取れた影響力を持つ傾向があります。アルゴリズムの影響力が低下すると、通常はまずネットワーク内のコアな位置を失い、その後他のアルゴリズムとの関連性が弱まります。
この研究はアルゴリズム共起ネットワークの初の大規模分析であり、アルゴリズムの影響力に関する時間的・構造的視点を提供し、アルゴリズム、研究者、タスクを結ぶネットワークに関する将来の研究の基盤を築くものです。arXiv番号は2606.24099で、2026年6月23日に提出され、人工知能、計算と言語、デジタルライブラリ、情報検索の各分野に分類されています。本研究で用いられた深層学習によるアプローチは、アルゴリズム抽出において新たな道を開き、構築されたネットワーク分析フレームワークは他分野のアルゴリズム影響評価にも応用可能です。特に、全文を用いた共起分析は従来の抄録ベースの手法より包括的であり、NLP分野の発展に伴うネットワーク構造の変化を捉えることで、研究ホットスポットの移り変わりを定量的に示しています。この研究は科学コミュニティにおけるアルゴリズムの役割を理解するための強力なツールを提供し、研究評価や技術予測に貢献することが期待されます。