Scientific silos can hinder innovation. These information "filter bubbles" and the growing challenge of information overload limit awareness across the literature, making it difficult to keep track of even narrow areas of interest, let alone discover new ones. Algorithmic curation and recommendation, which often prioritize relevance, can further reinforce these bubbles. In response, we describe Bridger, a system for facilitating discovery of scholars and their work, to explore design tradeoffs among relevant and novel recommendations. We construct a faceted representation of authors using information extracted from their papers and inferred personas. We explore approaches both for recommending new content and for displaying it in a manner that helps researchers to understand the work of authors who they are unfamiliar with. In studies with computer science researchers, our approach substantially improves users' abilities to do so. We develop an approach that locates commonalities and contrasts between scientists---retrieving partially similar authors, rather than aiming for strict similarity. We find this approach helps users discover authors useful for generating novel research ideas of relevance to their work, at a higher rate than a state-of-art neural model. Our analysis reveals that Bridger connects authors who have different citation profiles, publish in different venues, and are more distant in social co-authorship networks, raising the prospect of bridging diverse communities and facilitating discovery.

中文翻译：

---

Bridger：通过小说作者发现来破除科学过滤器泡沫并促进创新

科学孤岛会阻碍创新。这些信息“过滤气泡”和日益增长的信息过载挑战限制了整个文献的认识，使得即使是狭隘的兴趣领域也难以跟踪，更不用说发现新领域了。通常优先考虑相关性的算法管理和推荐可以进一步强化这些泡沫。作为回应，我们描述了 Bridger，一个促进发现学者及其工作的系统，以探索相关和新颖建议之间的设计权衡。我们使用从他们的论文和推断的角色中提取的信息构建作者的多面表示。我们探索了推荐新内容和以帮助研究人员了解他们不熟悉的作者的工作的方式展示它的方法。在与计算机科学研究人员的研究中，我们的方法大大提高了用户这样做的能力。我们开发了一种方法来定位科学家之间的共性和对比——检索部分相似的作者，而不是瞄准严格的相似性。我们发现这种方法可以帮助用户以比最先进的神经模型更高的速度发现有助于产生与其工作相关的新颖研究想法的作者。我们的分析表明，Bridger 将具有不同引文资料、在不同地点发表文章以及在社会合着网络中距离更远的作者联系起来，从而提高了连接不同社区和促进发现的前景。我们开发了一种方法来定位科学家之间的共性和对比——检索部分相似的作者，而不是瞄准严格的相似性。我们发现这种方法可以帮助用户以比最先进的神经模型更高的速度发现有助于产生与其工作相关的新颖研究想法的作者。我们的分析表明，Bridger 将具有不同引文资料、在不同地点发表文章以及在社会合着网络中距离更远的作者联系起来，从而提高了连接不同社区和促进发现的前景。我们开发了一种方法来定位科学家之间的共性和对比——检索部分相似的作者，而不是瞄准严格的相似性。我们发现这种方法可以帮助用户以比最先进的神经模型更高的速度发现有助于产生与其工作相关的新颖研究想法的作者。我们的分析表明，Bridger 将具有不同引文资料、在不同地点发表文章以及在社会合着网络中距离更远的作者联系起来，从而提高了连接不同社区和促进发现的前景。以比最先进的神经模型更高的速度。我们的分析表明，Bridger 将具有不同引文资料、在不同地点发表文章以及在社会合着网络中距离更远的作者联系起来，从而提高了连接不同社区和促进发现的前景。以比最先进的神经模型更高的速度。我们的分析表明，Bridger 将具有不同引文资料、在不同地点发表文章以及在社会合着网络中距离更远的作者联系起来，从而提高了连接不同社区和促进发现的前景。