该论文研究了科学影响力的衡量指标，使用真实学术数据集分析研究者的学术影响力指标 h-index 的提高因素，指出研究者在该主题领域的权威性以及论文发表的期刊是提高 h-index 的关键因素。

Dec, 2014

研究论文提供一种基于机械模型的引用动态模式，具有预测科学影响力和潜在政策意义的可靠测量方式。

Jun, 2013

本文从理论角度批判了 h 指数在衡量科学家总体科学影响力时表现出的反直觉特性，并主张高被引用文献指数可以作为一个比 h 指数更适当的替代性指标，因为前者不存在不一致排名的问题。

Aug, 2011

本文使用基于分位数回归的模型，预测了物理领域一大组出版物的未来引用次数分布，并发现出版物所在期刊的影响因子和出版物出现后一年的引用次数均有助于准确预测其长期的引用次数影响，为评估研究机构提供了一种方法学上的过渡。

Mar, 2015

该研究论文提出了一种名为 hI 指数的科学研究生产力评估指标，它可以消除学科领域的影响，与传统 h 指数相比，具有更强的数据对比能力。

Sep, 2005

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

研究了学术论文引用格局随时间演变的特点，提出了基于 “学术论文固有质量”、“论文引用的时效性”、“早期引用” 和 “早期引用的影响力” 四个因素的学术论文潜力指数模型 (PPI)，并通过分析影响论文引用增长的因素，提出了多特征的影响力预测模型，实验证明这两种模型的预测准确性得到了改善。其中，相对于多特征模型，PPI 模型的预测性能更好，且不需要调整参数，因此更好的解释了引用的变化。而多特征模型在平均绝对百分误差和准确性方面表现更好，但它们的预测效果更依赖于参数调整。

Aug, 2020

预测从未发表的研究想法的影响力，使用大型知识图谱结合语义网络和引用网络，通过机器学习准确预测未来的网络动态和新研究方向的影响。

Feb, 2024

本研究分析了短期网络使用情况对中期引证影响的预测作用，以文章引用计数、Web 阅读次数及 e-print 论文库为研究对象。

Mar, 2005

本研究提出了使用神经网络预测论文未来引用次数的新方法，该方法有效地提高了年度和总引用次数的预测准确性。

Sep, 2018