Naukowcy przeprowadzili pierwszą na dużą skalę analizę sieci współwystępowania algorytmów, badając jak algorytmy wzajemnie się powiązują w naukowej literaturze z zakresu przetwarzania języka naturalnego. Zamiast oceniać algorytmy w izolacji, zespół zastosował podejście sieciowe, konstruując ogólne sieci współwystępowania, sieci skumulowane i sieci roczne na podstawie pełnych tekstów akademickich prac.
Do budowy sieci oraz ekstrakcji algorytmów z tekstów pracy wykorzystali modele deep learning. Następnie analizowali charakterystykę strukturalną tych sieci i stosowali różne miary centralności, aby ocenić wpływ grupowy algorytmów na całą dziedzinę oraz śledzić zmiany w czasie. Badanie pokazało, że sieci algorytmów wykazują typowe cechy sieci złożonych, z coraz gęstszymi połączeniami rozwijającymi się przez około dwie dekady. Wysokim wpływem cieszą się algorytmy klasyczne i o doskonałych wynikach, szczególnie te znajdujące się na przecięciu różnych okresów badawczych, co daje im wysoką popularność i centralność.
Zasadnicza obserwacja dotyczy procesu upadku algorytmów - gdy ich wpływ spada, zwykle tracą najpierw pozycję centralną w sieci, a następnie słabną ich powiązania z innymi algorytmami. Ta perspektywa sieciowa ujawnia nie tylko które algorytmy są ważne, ale też jak funkcjonują one jako część większego ekosystemu naukowego, co może pomóc w zrozumieniu trajektorii rozwoju pola i prognozowaniu przyszłych trendów.