A novel trend prediction system design via association rule mining represented in knowledge graphs: BIM research field application

Abstract

Objective: A large number of scientific research and the rapid developments in the field of science and engineering make it almost impossible to analyze the literature manually. This study proposes a rule-based graph approach to analyze the knowledge areas and trend prediction for future studies. Material and Methods: In this study, a rule-based graph was created by utilizing the Apriori algorithm. In addition, keywords that have the same meaning but are important for the literature with a spelling difference were combined to obtain their exact values. Thus, the outputs obtained as a result are more understandable and accurate. BIM-related data were exported from the Scopus database as an exemplary research area. The Scopus database was used for this research because it is so comprehensive. The analysis was visualized with arulezViz and a more understandable result for users was aimed. Lift values of future trends were predicted with Random Forest, a machine learning technique. Results: The association rules between multiple word-groups of keywords allowed detailed and quantitative analysis inferences. Some words that mean the same thing but differ in spelling were manually combined into a single keyword. Some selected rules were entered into regression analysis by machine learning technique, and near future trends were determined by lift values. Conclusion: With this scientometric analysis approach, it is made possible to analyze the effectiveness of the keyword in the field of study in more detail. Not only the trends in the current BIM data, but also the trends in the near future have been shed light on. In future studies, the analysis can be enriched by adding different variables.

Amaç: Çok sayıda bilimsel araştırma ve bilim ve mühendislik alanındaki hızlı gelişmeler, literatürün manuel olarak analiz edilmesini neredeyse imkansız hale getirmektedir. Bu çalışma, gelecekteki çalışmalar için bilgi alanlarını ve trend tahminini analiz etmek için kural tabanlı bir grafik yaklaşımı önermektedir. Materyal ve Yöntem: Bu çalışmada, Apriori algoritması kullanılarak kural tabanlı bir grafik oluşturulmuştur. Ayrıca aynı anlama gelen ancak literatür için önemli olan ve yazım farklılığı olan anahtar kelimeler bir araya getirilerek tam değerleri elde edilmiştir. Böylece sonuç olarak elde edilen çıktılar daha anlaşılır ve doğru kılınmıştır. BIM ile ilgili veriler, örnek bir araştırma alanı olarak Scopus veri tabanından dışa aktarılmıştır. Çok kapsamlı olduğu için bu araştırma için Scopus veritabanı kullanılmıştır. Analiz arulezViz ile görselleştirilmiş ve kullanıcılar için daha anlaşılır bir sonuç hedeflenmiştir. Makine öğrenme tekniği olan Random Forest ile yakın gelecekteki trendlerin lift değerleri tahmin edilmiştir. Bulgular: Birden fazla anahtar kelime grubu arasındaki ilişkilendirme kurallarını açıklanmış, ayrıntılı ve nicel analiz çıkarımlarına izin verilmiştir. Aynı anlama gelen ancak yazımları farklı olan bazı kelimeler manuel olarak tek bir anahtar kelimede birleştirilmiştir. Seçilen bazı kurallar makine öğrenmesi tekniğiyle regresyon analizine sokulmuş, ve yakın gelecekteki trendler lift değerleri ile belirlenmiştir. Sonuç: Bu scientometrik analiz yaklaşımı ile anahtar kelimenin çalışma alanındaki etkinliğinin daha detaylı olarak analiz edilmesi mümkün hale getirilmiştir. Sadece mevcut BIM verisi içerisindeki trendler değil yakın gelecekteki trendlere de ışık tutulmuştur. İleride yapılacak çalışmalarda farklı değişkenler eklenerek analiz zenginleştirilebilir.