本文研究了《Physical Review》出版物在 1893 年至 2007 年 8 月之间的引文网络中物理学子领域的社区结构。作者使用模块度最大化来发现明确定义的物理学子领域所对应的重要社区，同时也考察了不同年代之间社区的联系。

Nov, 2009

本文综述了科学演化模型的重要工作，然后介绍了一般的过程模型，该模型同时生成了共同作者和论文引用网络，该模型通过主题划分作者和论文、作者引用最新论文以及作者引用已阅读论文引用的论文来模拟论文引用网络的统计和动态性质，并将其验证为线性关系数的主题与模拟论文引用网络的聚类系数相关。

Nov, 2003

本研究通过研究论文引用的出版物之间的引证，开发了 “引证投影图” 概念，并探究了引用模式在不同科学领域中的变化以及这种模式如何反映了论文的科学影响力。研究发现，低影响论文具有特有的引用模式，而中等影响论文具有狭窄、学科专注的引用模式。跨学科引用模式既有高风险又有高收益，越来越多的引用网络呈现出跨学科的趋势。

Apr, 2010

本论文使用计量学方法分析计算机科学的元数据，并使用交互式 Web 应用程序 CS-Insights 进行数据可视化，发现了计算机科学领域在过去两十年中出现了大量新的作者和出版物，会议论文的受欢迎程度下降，期刊文章的引用次数更高。

Dec, 2022

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

量化分析了 NLP 和其他 23 个学科领域（相互）之间的影响程度，结果显示 NLP 的学科交叉合作程度下降，自 1980 年的 0.58 降至 2022 年的 0.31（历史最低），同时 NLP 的学术引用越来越内向，主要引用计算机科学领域的论文，而对语言学、数学和心理学等领域的引用较少，这些研究结果凸显了 NLP 需要紧急反思与其他学科领域的合作交流。

Oct, 2023

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

该研究通过分析近 2,000 份自然语言处理领域内的引用来研究作者引用的方式和读者跟随引用的方式，发现作者的引用方式受到话语结构和出版场所的影响，聚焦于前后文而非方法。还证明了如何引用相关工作能够预测一篇论文的引用次数，并且引用角色的变化表明 NLP 领域正在经历一次重大的共识增加。

Sep, 2016

本文探讨了机器学习与传统基于物理模型的建模方法相结合解决复杂科学和工程问题的创新方法，总结了这些方法的应用领域，并描述了用于构建基于物理引导的机器学习模型和混合物理 - 机器学习框架的分类方法，提出了现有技术的分类方法，揭示了知识漏洞和不同学科间方法的潜在交叉点，可用作未来研究的思路。

Mar, 2020

本文通过分析计算机科学领域当前热门的研究领域，探讨了导致这些研究领域出现的因素。利用包括论文、引用和资助信息在内的综合数据集，我们采用了决策树和逻辑回归等先进的机器学习技术，预测研究领域的趋势。分析结果表明，研究论文中引用数量（引用计数）在决定研究领域趋势方面起着关键作用，成为推动计算机科学领域趋势的最相关因素。此外，国家科学基金和专利对热门话题的影响随时间增加。逻辑回归模型在预测趋势方面表现优于决策树模型，具有更高的准确率、精确率、召回率和 F1 分数。通过超过随机猜测的基线，我们的数据驱动方法显示出更高的准确性和效力，为研究人员和机构提供了基于数据的决策和未来研究方向的宝贵洞察。

Aug, 2023