首页/论文/1012.4870

arXiv 1012.48702010-12-22cs.DL

发现作者影响：PageRank的观点

Discovering author impact: A PageRank perspective

Erjia Yan, Ying Ding

备注：: 17 pages, 5 figures

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

这篇文章提供了另一种视角，通过将PageRank算法应用于合著网络来衡量作者的影响力。提出了一种考虑引文和合著网络拓扑结构的加权PageRank算法。我们测试此算法在不同的阻尼因子下，通过评估作者在信息计量学研究界的影响。此外，我们还将加权PageRank与国际科学计量学和信息计量学学会（ISSI）会议的h指数，引用和计划委员会（PC）成员进行了比较。研究结果表明，这种加权PageRank算法提供了可靠的结果，在衡量作者的影响。

英文摘要：

This article provides an alternative perspective for measuring author impact by applying PageRank algorithm to a coauthorship network. A weighted PageRank algorithm considering citation and coauthorship network topology is proposed. We test this algorithm under different damping factors by evaluating author impact in the informetrics research community. In addition, we also compare this weighted PageRank with the h-index, citation, and program committee (PC) membership of the International Society for Scientometrics and Informetrics (ISSI) conferences. Findings show that this weighted PageRank algorithm provides reliable results in measuring author impact.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

PageRank用于在共同引文网络中对作者进行排名

PageRank for ranking authors in co-citation networks

Google的PageRank为信息检索创造了一种新的协同作用，以更好地对网页进行排名。它根据图的拓扑结构和节点的权重对文档进行排名。PageRank极大地推动了信息检索领域的发展，并使Google在搜索引擎市场上领先于竞争对手。它已被部署在文献计量学，以评估研究的影响，但很少有这些研究集中在阻尼因子（d）的重要影响排名的目的。本文研究了PageRank算法中不同的阻尼因子如何为作者共同引文网络中作者的排名提供额外的见解。此外，我们提出加权PageRank算法。选取1970 - 2008年信息检索领域108位最高被引作者，构建作者共引文网络。我们根据PageRank计算这108位作者的排名，阻尼因子范围从0.05到0.95。为了测试这些不同指标之间的关系，我们将PageRank和加权PageRank结果与引文排名，h指数和中心性指标进行了比较。我们发现，在我们的作者合作引文网络，引文排名是高度相关的PageRank的不同阻尼因子，也与不同的PageRank算法;引文排名和PageRank不显着相关的中心性措施;和h指数是不显着相关的中心性措施。

2010-12-22cs.DL

加权PageRank在作者引文网络中的应用

Applying weighted PageRank to author citation networks

本文旨在确定不同的加权PageRank算法是否可以应用于作者引文网络，以衡量一个学者的知名度和声望从引文的角度。信息检索（IR）被选为一个测试领域，从1956-2008年的数据收集从Web of Science（WOS）。在作者引文网络上计算了以引文和出版物为加权向量的加权PageRank。结果表明，受欢迎度排名和声望排名与加权PageRank高度相关。主成分分析（PCA）进行检测这些不同的措施之间的关系。对于捕获获奖者在IR领域，声望排名优于所有其他措施。

2011-02-09cs.DL

面向学术论文作者排名的基于PageRank的引用指标、影响因子及H指数的情感感知增强

Sentiment-aware Enhancements of PageRank-based Citation Metric, Impact Factor, and H-index for Ranking the Authors of Scholarly Articles

针对现有基于频次的作者引用指标默认引用为中性情感的局限，研究提出对PageRank类引用指标、影响因子及H指数进行情感感知增强，以更准确反映同行对作者学术成果的评价。

2024-03-13cs.CYcs.DL

$C^3$ -index：一种基于PageRank的多方面作者绩效度量

$C^3$-index: A PageRank based multi-faceted metric for authors' performance measurement

对科学作者进行排名是一项重要但具有挑战性的任务，这主要是由于不断发展的科学出版物的动态性质。作者的生产力和影响力的基本指标仍然是出版物的数量和引用计数（导致流行的指标，如h指数，g指数等）。H指数及其流行的变体主要用于高被引作者的排名，因此在对数量占多数的中被引和低被引作者进行排名时无法解决联系。因此，这些指标在预测有前途的年轻研究人员在职业生涯开始时的能力方面是低效的。在本文中，我们提出了$C^3$ -索引，结合了作者的引用和合作的影响，在一个系统的方式使用加权多层网络排名的作者。我们在计算机科学的大量出版物数据集上进行了实验，结果表明：（i）$C^3$ -索引随时间的推移是一致的，这是排名度量的基本特征之一，（ii）$C^3$ -索引与h-索引及其变体一样有效，可以对高被引作者进行排名，（iii）$C^3$ -索引可以作为冲突解决度量，以打破中被引和低被引作者排名中的联系，（iv）$C^3$ -指数也可以用来预测未来的成功者在其职业生涯的早期阶段。

2016-10-22cs.DL

PageRank-based作者排名是否优于简单的引用计数？

Do PageRank-based author rankings outperform simple citation counts?

研究人员的生产力和影响力的基本指标仍然是出版物的数量及其引用计数。这些指标是明确的，直接的，容易获得。当需要对学者进行排名时，例如在拨款、奖励或晋升程序中，使用它们是将一些科学家优先于其他科学家的最快和最便宜的方法。然而，由于它们的性质，存在着过度简化科学成就的危险。因此，已经提出了许多其他指标，包括用于网页排名的PageRank算法的使用及其适用于引文网络的修改。尽管如此，这种递归方法在计算上是昂贵的，即使它具有有利于声望的优势，其应用应该是合理的，特别是当与标准的引用计数相比。在这项研究中，我们分析了三个大型数据集的计算机科学论文类别的人工智能，软件工程，理论和方法，并应用12种不同的排名方法的引文网络的作者。我们将由此产生的排名与该领域着名期刊的编委会成员中选出的优秀研究人员的自编名单进行比较，并得出结论，没有证据表明基于PageRank的方法优于简单的引用计数。

2015-05-12cs.DLcs.SIphysics.soc-ph

基于高阶加权引文的学术论文影响力量化研究

Quantifying the Impact of Scholarly Papers Based on Higher-Order Weighted Citations

量化学术论文的影响力具有重要意义，但被引论文的地理距离效应尚未被探讨。在本文中，我们检查了发表在《物理评论C》上的30，596篇论文，并确定了引文与作者隶属关系之间的地理距离之间的关系。随后，应用相对引用权重来评估学术论文的影响力。一个高阶加权量子PageRank算法也被开发来解决多步引用流的行为。捕获具有高阶依赖关系的引用动态揭示了论文的实际影响，包括在先前研究中有时被排除的必要的自引。本文利用量子PageRank来帮助区分PageRank值相同的节点。

2020-08-10cs.DL

更多相关论文收起更多论文

一种生物医学科技论文作者投稿信息的发现与提取方法

A Method for Discovering and Extracting Author Contributions Information from Scientific Biomedical Publications

创建科学出版物是一个复杂的过程，通常由许多不同的活动组成，例如设计实验，数据准备，编程软件以及撰写和编辑手稿。关于论文作者个人贡献的信息对于评估作者的科学成就很重要。一些生物医学学科的出版物以自然语言撰写的简短章节的形式描述了作者的作用，通常标题为“作者的贡献”。在本文中，我们提出了一个分析的角色通常出现在这些部分的内容，并提出了一个算法自动提取作者的角色从自然语言文本中的科学出版物。在研究的第一部分，我们使用聚类技术，以及开放信息抽取（OpenIE），半自动地发现从PubMed中心资源获得的2,000个贡献部分的语料库中最流行的角色。通过我们的方法发现的角色包括：实验（1，743个实例，占语料库中整个角色集的17%），分析（1，343，16%），研究设计（1 132人，13%），口译（879，10%），概念化（865，10%），纸质阅读（823，10%）、论文撰写（724，8%）、论文评审（501，6%）、论文起草（351，4%）、协调（319，4%）、数据汇集（76，1%）、论文评审（41，0.5%）和文献综述（41，0.5%）。发现的角色，然后使用自动建立一个训练集的监督角色提取器，基于朴素贝叶斯算法。根据我们进行的评估，所提出的角色提取算法是能够从文本中提取的角色与精度0.71，召回率0.49和F1 0.58。

2018-02-04cs.DL

出版物诱导研究分析（PIRA）-真实数据实验

Publication Induced Research Analysis (PIRA) - Experiments on Real Data

本文介绍了通过实施一种新的方法，在异构图中的顶点排名的基础上，PageRank家族的算法，并在这里应用到二分图的论文和作者作为第一次评估其相关性的真实数据样本所获得的第一个结果。通过这种方法来评估研究活动，论文/作者的排名取决于引用该论文/作者的论文/作者。我们通过基于DBLP和CiteseerX构建的真实数据集的简单场景分析，将结果与现有的排名方法（包括简单地将PageRank应用于论文图或作者图的方法）进行比较。结果表明，在所有检查的情况下，得到的结果是最相关的与我们的方法，使我们未来的工作，以优化该算法的执行。

2012-05-29cs.DLcs.SIphysics.soc-ph

基础物理学文献检索

Biblioranking fundamental physics

我们提出了改进现有研究的影响的措施，如计算论文数量，引用和$h$索引。由于不同的论文和不同的领域有很大不同的共同作者和参考文献的平均数量，我们用共同作者之间共享的单独引用取代引用。其次，我们将PageRank算法应用于论文之间的引用，改进了引用计数。由于是按时间排序的，这简化为对引用后代的加权计数，我们称之为PaperRank。类似地，我们计算一个AuthorRank应用PageRank算法的作者之间的引用。这些指标量化了作者或论文的影响力，同时考虑了引用它的作者的影响力。最后，我们展示了如何通过定义一个封闭的引用币市场来消除自引用和循环引用。我们将这些指标应用于InSpire数据库，该数据库涵盖了基础物理学、论文排名、作者、期刊、研究所、城镇、国家、大洲、性别、历史和近期。

2021-04-06astro-ph.COcs.DLhep-ph

中心性测度在影响力分析中的应用：一个合著网络分析

Applying centrality measures to impact analysis: A coauthorship network analysis

对合著网络的研究主要集中在网络拓扑结构和网络统计力学两个方面。本文通过研究微观层面的网络属性，采取了不同的方法，旨在将中心性措施应用于影响分析。利用图书馆学情报学领域16种期刊20年（1988-2007）的合著数据，构建了一个不断演化的合著网络，并计算了网络中作者的4个中心性测度（贴近度、介数、度和PageRank）。我们发现，四个中心性措施显着相关的引文计数。我们还讨论了作者排名的中心性措施的可用性，并建议，中心性措施可以是有用的影响力分析指标。

2010-12-22cs.DL

利用转移概率测量研究兴趣相似性

Measuring Research Interest Similarity with Transition Probabilities

本文提出基于引文网络随机游走转移概率的论文与作者相似性度量，验证其优于个性化PageRank和Node2vec，并用于分类与预测合著。

2025-10-24cs.DLcs.SIstat.AP