Stokastik Modelin Sayısal Simülasyonu
Stokastik Modelin Sayısal Simülasyonu
Okuyucuların rahatlığı için burada modelimizi özetliyoruz. Yayınlandıktan sonra t yılında bir makalenin gizli atıf oranı şöyledir: Stokastik Modelin Sayısal Simülasyonu Okuyucuların rahatlığı için burada modelimizi özetliyoruz.
Yayınlandıktan sonra t yılında bir makalenin gizli atıf oranı, burada ηj, makalenin uygunluk değeridir, ampirik bir parametredir ve her makale için benzersizdir; A ̃(t), alıntılar için eskitme işlevidir; P0, j makalesinin ikinci nesil bir alıntı makalesi tarafından dolaylı olarak alıntılanmasının olasılık genliğidir; γ eskime üssüdür; ve nnn(t), bir birinci nesil atıf makalesi başına ikinci nesil atıf makalelerinin ortalama yıllık sayısıdır. Makalenin atıf oranı kj(t) = ΔKj/Δt’dir; burada ΔKj, t yılında alınan atıf sayısıdır ve Δt = 1 yıldır.
Üs γ ve A ̃(t) ve nnn(t) fonksiyonları, aynı yıl içinde yayınlanan bir alandaki tüm makaleler için aynıdır, P0(K) fonksiyonu verilir. Buradaki özel amacımız, daha önce de yapıldığı gibi yalnızca alıntı dinamiklerinin ortalama bileşenini doğrulamak değildir.
Tek tek makalelerin atıf dinamikleri homojen bir stokastik süreci izliyorsa, modelle karşılaştırma kağıt bazında yapılabilir. Yani, şematik olarak gösterildiği gibi, her atıf yörüngesini ortalama ve dalgalanan parçalara ayrıştırır ve bunları modelle karşılaştırırdık.
Bununla birlikte, bir makalenin atıf dinamiği, kolayca deterministik ve stokastik bileşenlere ayrıştırılamayan, homojen olmayan ayrık stokastik bir süreçtir. Modelle anlamlı bir karşılaştırma yapmak için aşağıdaki stratejiyi benimsedik.
Web of Science veri tabanını kullanarak, bir alanda aynı yıl yayınlanan çok sayıda makaleyi değerlendirdik ve atıf dinamiklerini ölçtük. Modelimiz çerçevesinde bu setteki kağıtlar sadece uygunlukları ile farklılık göstermektedir.
Daha sonra, aynı sayıda makale ve aynı uygunluk dağılımına sahip sentetik bir set tasarladık ve modele dayalı atıf dinamiklerinin sayısal simülasyonlarını gerçekleştirdik. Gerçek ve sentetik setler arasındaki karşılaştırma birkaç boyutta gerçekleştirildi:
1. Kümülatif atıf dağılımları.
2. Bireysel makalelerin alıntı yolları.
3. Atıf yollarının otokorelasyon.
4. Atıf dinamiğinin ortalama ve değişken bileşenleri.
5. Atıf yapılmamış makale sayısı.
Atıf Dağılımları
Yayınlanan 40.195 Fizik makalesi dizisi için alıntı dağılımlarını gösterir. Modelimizi kullanarak bu dağılımları simüle etmek için, her bir kağıdın uygunluğu bilinmelidir. Prensip olarak, doğrudan alıntıların dinamikleri izlenerek ölçülebilir. Aslında, doğrudan alıntıların kümülatif sayısını öğrendiğimizde, Kdir(t); kağıdın uygunluğu j ifadesinden bulunabilir.
Ancak, Kdir(t)’yi her kağıt için ölçmenin çok fazla olduğu kanıtlanmıştır. j t A ̃(τ)dτ j 0 karmaşık, dolayısıyla uygunluk dağılımını alternatif bir şekilde bulduk. Stratejimizin temeli, bir makalenin yayınlanması ile dolaylı atıfların başlaması arasında bir gecikme olduğu gözlemidir, dolayısıyla bir makale tarafından yayınlandıktan sonraki ilk 2-3 yıl boyunca toplanan alıntılar çoğunlukla doğrudandır.
Bu nedenle, aynı yıl içinde yayınlanan makaleler için, yayınlandıktan 2-3 yıl sonra atıf dağılımları uygunluk dağılımını taklit eder (sabit bir faktör içinde). Bu erken atıf dağılımlarının log-normal’e yakın olduğunu bulduk. Bunu göz önünde bulundurarak, model simülasyonunu 40.195 kağıt için log-normal uygunluk ile çalıştırdık.
Amacımız t = 2 için ölçülen atıf dağılımına en uygun olanı elde etmekti. Simülasyonun diğer parametreleri aşağıdaki gibiydi. Dolaylı referanslar ve alıntılar ölçümlerimizde olduğu gibi γ = 1,2 yr-1 kullandık.
nnn (t ) ve m(t ) bağımlılıklarının aynı olduğunu, yani nnn (t ) = m(t ) olduğunu varsaydık; burada s = 1.2, ikinci nesil alıntı makalesini öncülüne bağlayan iki sekmeli yolların ortalama s sayısıdır. . Şekil 5.2, ölçülen ve simüle edilmiş atıf dağılımları arasında mükemmel bir uyum olduğunu göstermektedir.
Monte Carlo simülasyonu Ders Notları
Monte Carlo Simülasyonu örnekleri
Sastry simülasyon modeli
Monte Carlo Simülasyonu örnek soru
Monte Carlo simülasyonu uygulama adımları
Monte Carlo simülasyonu nedir
Monte Carlo Simülasyonu Excel örnek
Monte Carlo Simülasyonu Python
Atıf Yörüngeleri
Model, atıf dağılımlarını mükemmel bir şekilde yakalasa da, farklı atıf yörüngeleri aynı atıf dağılımları setini verebileceğinden, bu tür doğrulama hala yetersizdir. Modelimizi daha fazla doğrulamak için ölçülen ve simüle edilen alıntı yörüngelerini karşılaştırdık. Makalelerin alıntı dinamiklerinin, geçmiş dalgalanmaları güçlendiren, kendi kendini heyecanlandıran bir Hawkes sürecini takip ettiğine dikkat edilmelidir.
Bu nedenle, aynı başlangıç koşulları için bile, simüle edilmiş atıf yörüngelerinin dağılımı o kadar geniştir ki, ölçülen ve simüle edilen yörüngelerin kağıt bazında karşılaştırılması anlamsızdır. Bu nedenle, benzer makale grupları için alıntı yörüngelerini karşılaştırdık.
Uzun zaman sınırında aynı sayıda alıntı toplayan makale grupları için alıntı yörüngelerini gösterin. Her set için ortalama alırsak, ölçülen ve simüle edilmiş ortalama atıf yörüngeleri iyi bir uyum içindedir.
Dolaylı alıntıların olasılığı için ampirik fonksiyon, P0(K)e−γ(t−τ), sadece modelin benzer makalelerin ortalama alıntı dinamiklerine uyması gerekliliğinden kurulduğu için bu beklenmedik bir durum değildir. Farklı yörünge kümeleri aynı ortalama yörüngeye sahip olabilir, bu nedenle bireysel makalelerin ölçülen ve simüle edilmiş alıntı yörüngelerinin şekillerinin karşılaştırılması, ortalamanın ötesinde ayrı bir hikaye anlatır.
Düşük ve orta derecede alıntı yapılan makaleler için, ölçülen ve simüle edilen yörüngelerin çok benzer olduğunu gösterir – aşağı yukarı aynı boyut ve süreye sahip dalgalanmalar sergilerler. Yüksek oranda atıf yapılan makaleler için her iki yörünge setinin de pürüzsüz olduğunu, ancak ölçülen yörüngelerin yayılmasının simüle edilmiş olanlardan daha fazla olduğunu gösterir.
Simülasyon, alıntı yörüngelerinde önemli bir dağılım sağlasa da, “uyuyan güzel” veya “kayan yıldız” gibi aşırı durumları iyi bir şekilde yeniden üretmez. Bu ödüllendirici çünkü bilimin öngörülemezliği onu eğlenceli kılan en önemli faktörlerden biridir. (Aslında, model “uyuyan güzelleri” yeniden üretir, ancak bunlar çok nadirdir, oysa gerçekte çok daha sıktırlar.)
Çoğu makale için model, alıntı yollarının şeklini ve düzgünlüğünü doğru bir şekilde tahmin eder. Bununla birlikte, model, alıntı kariyerinin başlangıcında oldukça popüler olan ancak kısa süre sonra ilgisinin kaybolduğu gibi aşırı durumlar iyi karşılanmaz.
Monte Carlo simülasyonu Ders Notları Monte Carlo Simülasyonu Excel örnek Monte Carlo simülasyonu nedir Monte Carlo Simülasyonu örnek soru Monte Carlo Simülasyonu örnekleri Monte Carlo Simülasyonu Python Monte Carlo simülasyonu uygulama adımları Sastry simülasyon modeli
Son yorumlar