Aug, 2016

通过时间平衡的网络中心性识别重要论文

PDF
TL;DR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。
citation networkquantitative metricspagerank centralityresearch evaluationscientific publications
发现论文，激发创造
  • 应用中心性测度于影响力分析：一项合著网络分析

    本文研究共同作者网络的微观网络特性，并采用中心性度量对影响力进行分析，发现 4 种中心性度量与引用次数显著相关，证明中心性度量可以是衡量影响力的有用指标。

    Dec, 2010

  • 中心性公理

    通过使用公理方法来证明现有的权威网络中心度量标准是否准确，并发现基于距离的谐波中心度量是一种良好的通用中心度量，并显示距离型中心度量达到了很高的质量，值得关注。

    Aug, 2013

  • 衡量学术影响力：并非所有引用都相等

    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

  • 同赞性与引用网络中的缺失链接

    通过对 1893 年至 2009 年美国物理学会期刊上发表的文章进行数据分析，研究发现相似主题或相似研究问题的论文之间相互引用的概率随着它们的相似度的增加而增大，并且相似度高的论文之间可能存在遗漏的引用，这有助于破除知识流传的障碍。研究显示，广为人知、影响广泛的物理评论快报等知名期刊更能促进知识传递。

    Nov, 2015

  • 将加权 PageRank 应用于作者引用网络

    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

  • 基于深度神经网络学习技术的引用次数预测

    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

  • 科学影响力能够被预测吗？

    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

  • 量化长期科学影响

    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

  • 加权引用：文章威望的指标

    该研究提出使用加权引用技术来衡量论文的声望，该技术通过考虑引用期刊的影响和引用时间间隔来分配不同的权重，从而捕捉论文的声望；与引用次数所反映的受欢迎程度不同。通过对《信息科学与技术美国协会杂志》1998 至 2007 年发表的论文的声望和受欢迎程度进行比较，我们发现大多数论文的地位相当。

    Dec, 2010

  • 一种能够跨学科衡量个人科研贡献的指标

    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