加权引用:文章威望的指标
本文旨在探讨不同的加权 PageRank 算法是否适用于作者引文网络,从引用观点衡量学者的知名度和声望。在信息检索领域中,通过对 1956-2008 年 Web of Science(WOS)上的数据进行收集,计算了具有加权向量的引文和出版物的 PageRank,并进行了主成分分析。结果表明流行度排名和威望排名与加权 PageRank 高度相关。在捕捉信息检索领域内的获奖者方面,声望排名优于所有其他指标。
Feb, 2011
本文通过创建数据集,采用监督式机器学习,使用四种特征对引文学术影响力进行预测并设计了一种新的基于引文提升的 H 指数,证明其比传统 H 指数更好地衡量研究人员的表现。
Jan, 2015
比较预印本和已发表论文的引用情况,推断高影响期刊对引用量的因果效应。发现高影响期刊不仅选择引用量更高的文章,同时还提高文章的引用率。研究表明,即使不考虑影响因子,期刊在研究评估中的影响仍然存在,对研究评估实践的改变具有重要影响。
Dec, 2019
本研究研究了过去 40 年 7 个传统的精英期刊和近 20 年变得越来越重要的 6 个期刊的学术引用模式,发现过去这些顶尖论文在这些传统的精英期刊中所占比例逐渐降低,而新近建立的期刊却逐渐成为顶尖论文的主要出版载体。这些变化为出版方、研究者和管理员带来新的挑战和机遇,同时也提示了 “精英期刊” 的地位是不断变化的。
Apr, 2013
本文分析了美国物理学会期刊自 1893 年至 2009 年间发表的 449,935 篇论文的引证网络,并比较了基于引用计数的度量与网络度量之间的差异性。其中,一种结合了 PageRank 中心性、且不受时间偏差影响的新度量是总体表现最佳的度量方式,这也表明引证网络结构包含可用于提高科学出版物排名的信息。
Aug, 2016
本研究提出了一种基于图形和半监督学习的模型 (GraLap),用于测量引用的强度。实验结果表明,该方法相比基线方法在参考文献的强度标记方面取得了显著的提高,可以更好地设计真实世界的应用。
Sep, 2016
本文介绍了一种基于当前科研影响力的预测作者未来 h 指数的模型,并分析了导致文章对未来 h 指数贡献的因素。研究发现,学术权威和出版场所对预测科研影响力至关重要。
Jun, 2016