Explainable Forecasting of Scientific Breakthroughs from Concept Network Dynamics
基于概念网络动力学的科学突破可解释预测
机构 * Geneva School of Economics and Management, University of Geneva, Geneva, Switzerland(日内瓦经济管理学院,日内瓦大学,瑞士日内瓦) ; Faculty of Medicine, University of Geneva, Geneva, Switzerland(日内瓦大学医学学院,瑞士日内瓦) ; TU Eindhoven, The Netherlands(埃因霍温理工大学,荷兰) ; Open Quantum Institute, CERN, Geneva, Switzerland(开放量子研究所,欧洲核子研究中心,瑞士日内瓦) ; armasuisse Science + Technology, Switzerland(armasuisse 科学与技术,瑞士)
专题命中 生物医学文本 :biomedical(abstract);分类 cs.LG
AI总结 提出一种可解释的机器学习方法,通过建模OpenAlex概念网络的演化,预测科学突破的结构前兆(研究概念之间联系的出现和增强),并利用59个特征的两阶段LightGBM模型同时预测概念对的形成和未来权重,在四个技术/生物医学领域取得优于现有方法的ROC-AUC(0.954-0.967)和可解释性。
Comments 18 pages, 10 figures, 4 tables. An earlier version was presented at Global Tech Mining Conference 2026. Code and data: https://github.com/wazaahhh/breakthroughs-forecasting