A Diachronic Analysis of Paradigm Shifts in NLP Research: When, How, and Why?

要約

科学分野の基本的な概念と傾向を理解することは、その継続的な進歩に遅れを取らないようにするために非常に重要です。
この研究では、因果関係の発見と推論の手法を使用して、科学分野における研究トピックの進化を分析するための体系的なフレームワークを提案します。
NLP 内の研究トピックの進化の多様な側面を網羅するために 3 つの変数を定義し、因果関係発見アルゴリズムを利用して、観察データを使用してこれらの変数間の因果関係を明らかにします。
その後、この構造を利用して、これらの関係の強度を測定します。
ACL アンソロジー コーパスに対して大規模な実験を行うことで、私たちのフレームワークが、幅広い NLP 研究トピックの進化傾向と根本的な原因を効果的に明らかにすることを実証しました。
具体的には、タスクとメソッドが NLP の研究の主な推進力であり、データセットがそれに続く一方、指標の影響は最小限であることを示します。

要約(オリジナル)

Understanding the fundamental concepts and trends in a scientific field is crucial for keeping abreast of its continuous advancement. In this study, we propose a systematic framework for analyzing the evolution of research topics in a scientific field using causal discovery and inference techniques. We define three variables to encompass diverse facets of the evolution of research topics within NLP and utilize a causal discovery algorithm to unveil the causal connections among these variables using observational data. Subsequently, we leverage this structure to measure the intensity of these relationships. By conducting extensive experiments on the ACL Anthology corpus, we demonstrate that our framework effectively uncovers evolutionary trends and the underlying causes for a wide range of NLP research topics. Specifically, we show that tasks and methods are primary drivers of research in NLP, with datasets following, while metrics have minimal impact.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google