Scholar Ranking 2023: Ranking of Computer Science Departments Based on Faculty Citations
2023年学者排名是第二版美国计算机科学（CS）部门排名的基础上教师引用措施。使用Google Scholar，我们收集了来自185所美国大学的5，574名终身教职教师的出版物引用数据。对于每个学院，我们提取了他们的t10指数，定义为他们第10高引用论文的引用数量。对于每个系，我们计算了四个质量指标：中位数t10（m10）、t10的几何平均值（g10）以及t10高于全国平均水平40%（c40）和60%（c60）的被引用教师数量。我们使用这四个指标拟合了一个线性回归模型，以匹配2022年美国新闻CS博士课程的排名分数。由此产生的模型提供了2023年学者排名，可以在https://chi.temple.edu/csranking上找到。
2023-01-12 cs.DL
A sensitivity analysis of researchers' productivity rankings to the time of citation observation
在这项工作中，我们调查的敏感性，个别研究人员的生产力排名的引用观察的时间。分析的基础上观察的研究产品为2001-2003三年期的所有研究人员的意大利大学在硬科学，与一年的引文观察不同，从2004年至2008年。2008年的排行榜被认为是最准确的，因为引用有最长的时间积累，因此代表了最好的影响力代理。通过将每年的排名列表与2008年的基准进行比较，我们为政策制定者和研究组织管理者提供了一个衡量评估执行的及时性和绩效排名的准确性之间的权衡。结果表明，随着评价引用窗口的变化，研究人员的学科之间存在不同的不准确率。对于物理学、生物学和医学来说，不准确的结果可以忽略。
2018-11-05 cs.DL
A sensitivity analysis of research institutions' productivity rankings to the time of citation observation
文献计量学研究评估的关键问题之一是引文达到成熟所需的时间。只有在从出版之日起足够长的时间后才能观察到引用计数，引用计数才能被认为是作品真正影响力的可靠代表。在目前的工作中，作者调查的影响，不同的时间的引文观察的准确性生产力排名的研究机构。研究生产力的措施是计算在2001年至2003年期间，活跃在硬科学的所有意大利大学，按个别领域和学科，与时间的引文观察不同，从2004年至2008年。其目的是支持决策者选择一个引文窗口，优化排名的准确性和及时性之间的权衡。
2018-11-05 cs.DL
Mining university rankings: Publication output and citation impact as their basis
世界大学排名已成为学生、大学管理者和政策制定者阅读和使用的公认工具。每个排名都声称有一个独特的方法来衡量大学的“质量”。本文的目的是分析这些不同的排名在多大程度上衡量同一现象，以及它们衡量的是什么。为此，我们选择了总共7个世界大学排名，并进行了主成分分析。在确保尽管他们的方法不同，他们都走到一起，一个单一的组成部分，我们假设，文献计量指标可以解释什么是测量。我们的分析表明，排名分数从七个排行榜中的任何一个正在研究可以解释的出版物和引用的机构收到的数量。最后，我们讨论了如何细致入微和负责任地使用排名有助于机构层面的决策的政策含义和机会
2019-05-17 cs.DL
Measuring the academic reputation through citation networks via PageRank
客观评估一个学术机构的声望是一项困难和激烈辩论的任务。在过去的几年里，不同类型的大学排名被提出来量化世界上不同研究机构的卓越性。尽管在某些情况下受到批评，但大学排名的相关性正日益得到承认：事实上，排名对机构和政府层面的研究政策设计产生了重大影响。然而，关于什么样的排名是{ \em确切}衡量的争论是持久的。在这里，我们通过测量一个给定机构的学术声誉的定量和可靠的代理，并通过评估其与不同的大学排名的相关性来解决这个问题。具体来说，我们研究了五个不同的Web of Science学科类别的大学之间的引文模式，并使用\pr ~算法对五个产生的引文网络。我们的工作背后的基本原理是，科学引文是由参考文献的声誉驱动的，因此PageRank算法预计将产生一个排名，反映学术机构在特定领域的声誉。我们的研究结果允许量化的威望，一组机构在某一研究领域的基础上，只有硬文献计量数据。鉴于分析的数据量，我们的调查结果在统计上是强大的，不太容易出现偏差，在与特设调查往往采用排名机构，以达到类似的结果。因为我们的研究结果被发现与ARWU主题排名非常相关，我们在论文中提出的方法可能会打开新的学术排名方法的大门，这些方法通过协调学术声望的定性评估与其通过出版影响的定量测量，超越了当前的方法。
2019-01-04 cs.DL cs.SI physics.soc-ph
Ranking journals: Could Google Scholar Metrics be an alternative to Journal Citation Reports and Scimago Journal Rank?
Google Scholar作为评估科学期刊的工具的推出可能会对汤森路透期刊引用报告和Scopus驱动的Scimago期刊排名构成严重竞争。这些文献计量学期刊评价产品进行审查。我们从不同的方法比较它们的主要特征：覆盖范围，索引政策，搜索和可视化，文献计量指标，结果分析选项，经济成本和它们的期刊排名的差异。尽管存在缺点，但Google Scholar搜索引擎是作者和编辑识别核心期刊的有用工具。作为一种越来越有用的科学期刊排名工具，它也可能挑战老牌期刊产品
2013-03-23 cs.DL
Peer review and citation data in predicting university rankings, a large-scale analysis
大多数基于绩效的研究资助系统（PRFS）借鉴同行评审和文献计量指标，这两种不同的方法有时会结合起来。反对在此类研究评估活动中使用指标的一个常见论点是，它们在文章水平上与同行评审判断的相关性较低。在这项研究中，我们分析了来自154所高等教育机构的191，000篇论文，这些论文在国家研究评估活动中进行了同行评审。我们将这些数据与原始论文的695万次引用相结合。我们发现，当基于引用的指标被应用于机构或部门层面，而不是在单个论文的水平，可以观察到令人惊讶的大相关性与同行评审的判断，高达r <= 0.802，n = 37，p < 0.001的一些学科。在我们基于引用数据的排名预测性能评估中，我们发现与以前的工作相比，我们可以将平均排名预测误差减少25%。这表明，基于引用的指标与机构一级的同行审议结果充分一致，可用于减轻同行审议对国家评价工作的总体负担，从而节省大量费用。
2018-05-22 cs.DL
$C^3$-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。
2016-10-22 cs.DL
Quantifying and suppressing ranking bias in a large citation network
人们普遍认为，由于不同的科学领域采用不同的引用实践，不同领域的论文引用数不能直接比较。引用次数也受到论文年代的影响，因为较老的论文有更多的时间吸引引用。各种程序旨在消除这些偏差，并产生新的标准化指标，如相对引用数。我们使用Microsoft Academic Graph的大型引用数据集和基于Mahalanobis距离的新统计框架来显示，通过众所周知的指标（包括相对引用计数和Google的PageRank得分）进行的排名受到论文领域和年龄的显著影响。我们提出了一个一般的规范化程序的动机$z$分数，产生更少的偏见排名时，引用计数和PageRank分数。
2017-03-23 cs.DL cs.IR physics.data-an
Visualization of rank-citation curves for fast detection of h-index anomalies in university metrics
本文通过可视化 2023 年 Scopus 乌克兰大学排名前 30 所高校的秩-引用曲线，结合自引比例与 FWCI，快速识别两所大学的 h 指数及引用数据异常。
2024-01-24 cs.DL
Severe Language Effect in University Rankings: Particularly Germany and France are wronged in citation-based rankings
我们采用了一套标准的文献计量学指标来监测全球500所大学的科学水平，并根据这些指标构建了一个排名（莱顿排名2010）。我们发现一个戏剧性的，迄今为止在很大程度上被低估的语言效果在文献计量学，基于引用的研究绩效的测量时，比较排名的基础上所有Web of Science（WoS）覆盖的出版物和仅英语WoS覆盖的出版物，特别是德国和法国。
2010-12-23 cs.DL physics.soc-ph
Toward alternative metrics of journal impact: A comparison of download and citation data
我们从引用和下载数据中生成期刊关系网络，并使用一组社交网络中心性指标从这些网络中确定期刊影响力排名。由此产生的期刊影响力排名与ISI IF进行了比较。结果表明，虽然社会网络指标和ISI IF排名偏离适度基于引用的期刊网络，他们有很大的不同，来自下载数据的期刊网络。我们认为，这些结果代表了ISI IF没有捕捉到的一般期刊影响力的一个独特方面。这些结果进一步提出了关于ISI IF作为期刊影响的唯一评估的有效性的问题，并建议在一般的使用信息的基础上设计影响指标的可能性。
2005-03-03 cs.DL
How important is choice of the scaling factor in standardizing citations?
由于各研究领域的引文行为各不相同，因此必须将适当的标准化作为对科学家个人和研究组织的生产力进行文献计量分析的一部分。这种标准化涉及到按某种因素进行缩放，这些因素表征了同一年和同一主题类别的文章的引用分布。在这项工作中，我们进行了研究人员的生产力排名的敏感性进行了分析，选择标准化他们的引文的缩放因子。为此，我们首先为2004-2008年期间在意大利从事硬科学研究的所有研究人员（超过30，000人）编制生产力排名。然后，我们测量的变化所造成的排名采用缩放因子，而不是特定的因素，似乎更有效地比较在不同领域的出版物的影响：引用平均分布的引用只出版物。
2018-10-31 cs.DL
Evaluating Journal Quality: A Review of Journal Citation Indicators and Ranking in Business and Management
在科研性能评估的背景下，学术期刊的质量评估变得越来越重要。传统上，期刊的排名是通过同行评审名单，如商学院协会（英国）或通过其期刊影响因子（JIF）。然而，已经制定了一些新的指标，如h指数、SJR、SNIP和本征因子，这些指标考虑到不同的因素，因此有其自身的特定偏差。在本文中，我们评估这些指标，理论上也通过一个大型的商业和管理期刊的实证研究。我们发现，即使这些指标看起来高度相关，但实际上它们导致了期刊排名的巨大差异。我们将我们的结果结合英国大规模研究评估活动（RAE/REF），特别是ABS期刊排名榜。我们的结论是，没有一个指标是优越的，但h指数（包括期刊的生产力）和SNIP（旨在规范场效应）可能是目前最有效的。
2016-04-25 cs.DL
CIDS country rankings: comparing documents and citations of USA, UK and China top researchers
本技术报告对来自美国、英国和中国的前30位被引用研究人员进行了文献计量分析。该分析基于使用CIDS的Google Scholar数据。研究人员的电子邮件后缀是edu，uk和cn。这种简单的方法能够以完全自动化的方式使用最小资源产生与SCImago国家排名一致的排名。
2013-10-25 cs.DL cs.IR
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。
2021-04-06 astro-ph.CO cs.DL hep-ph
Recognition of Emerging Technology Trends. Class-selective study of citations in the U.S. Patent Citation Network
通过采用基于引用的专利递归排名方法，可以跟踪新技术领域的演变。具体而言，它表明，激光/喷墨打印机技术出现的重组两个现有的技术：顺序打印和静态图像生产。来自不同“先驱”类别的引文的动态阐明了新领域出现的机制，并提供了对未来技术发展进行预测的可能性。对于专利网络，PageRank阻尼因子的最佳值接近0.5; d=0.85的应用导致不可接受的排名结果。
2016-02-25 cs.DL physics.soc-ph
Early identification of important patents through network centrality
技术预测中最具挑战性的问题之一是尽早确定那些有可能导致我们社会发生根本变化的技术。在本文中，我们使用美国专利引文网络（1926-2010年），以测试我们的能力，早期识别一系列具有历史意义的专利，通过引文网络分析。我们表明，为了有效地发现这些专利后不久，他们被授予，我们需要超越原始引用计数，并考虑到引文网络拓扑结构和时间信息。特别是，一个年龄归一化的专利中心性的措施，称为重新缩放的PageRank，使我们能够识别显着的专利早于引用计数和PageRank得分。此外，我们发现，虽然高影响力专利倾向于以类似于科学论文的方式依赖于其他高影响力专利，但专利的引用动态明显慢于论文，这使得重要专利的早期识别比重要论文更具挑战性。
2017-10-25 cs.DL cs.IR cs.SI
Global Distribution of Google Scholar Citations: A Size-independent Institution-based Analysis
大多数目前可用的基于大学或研究组织的绩效排名的方案，例如Quacarelli Symonds（QS），泰晤士高等教育（THE），上海大学的世界大学所有研究（ARWU）使用各种标准，包括生产力，引文，奖项，声誉等，Leiden和Scimago仅使用文献计量学指标。在上述情况下的研究性能评估是基于来自Web of Science或Scopus的文献计量学数据，它们是商业上可获得的定价数据库。报道范围包括同行评审的期刊和会议记录。另一方面，谷歌学术（GS）提供了一个免费和开放的替代方案，以获得网上可用论文的引用（尽管目前还不清楚具体涵盖哪些期刊）。引文是从网上自动收集的，也会添加到谷歌学术引文（GSC）下自己创建的个人作者档案中。西班牙Webometrics Lab使用这些数据创建了2016年4000多个机构的排名列表，基于每个组织中排名前10位的GSC个人资料的引用。(GSC由于文中解释的原因，排除了顶级论文;简单的选择过程使得排名列表与大小无关，如Cybermetrics Lab所声称的那样）。使用这些数据（Transparent Ranking TR，2016），我们发现GS-TR引文的区域和国家分布。独立于规模的排名列表被细分为每400个机构的十分位数，以及每个十分位数获得的每个国家的机构和引文数量。我们测试GS TR和其他排名计划的前20名机构之间的机构排名之间的相关性。
2020-05-07 cs.DL
Distinguishing True Influence from Hyperprolificity with Citation Distance
Business School, Sichuan University（四川大学商学院）；School of Economics and Management, Anhui University of Science and Technology（安徽理工大学经济管理学院）
本文提出x指数，通过引用距离衡量学术影响，改进了传统指标对高产作者的偏袒，更公平地反映学术成就。
2026-02-12 cs.DL
Simplified Relative Citation Ratio for Static Paper Ranking: UFMG/LATIN at WSDM Cup 2016
论文的静态排名在学术搜索环境中起着关键作用。在文献中通常使用许多功能来产生这样的排名，一些例子是基于引用的指标，PageRank的不同应用等等。最近，学习排序技术已经成功地应用于组合产生有效结果的特征集。在这项工作中，我们提出了度量S-RCR，这是一个简化版本的度量称为相对引用率-都基于一个共同的引文网络的想法。与经典版本相比，我们的简化S-RCR可以提高效率并具有合理的有效性。我们使用S-RCR对Microsoft Academic Graph数据集中超过1.2亿篇论文进行排名。通过使用这个没有参数也不需要调整的单一功能，我们的团队能够在2016年WSDM杯第一阶段获得第三名。
2016-03-04 cs.DL cs.IR
Big Macs and Eigenfactor Scores: Don't Let Correlation Coefficients Fool You
特征因子排名提供了一种基于类似于Google的PageRank算法的迭代排名程序来评估学术期刊的替代方法。这些指标最近被路透社采用，并与期刊引文报告中的影响因子一起列出。但是，这些指标的差异是否足以成为文献计量工具箱中有用的补充？Davis（2008）的观点与此相反，他发现医学领域期刊样本的特征因子得分与总引文之间的相关系数为0.95。这个结论是错误的;在这里，我们说明戴维斯屈服于基本的统计谬误。我们提供了一个完整的分析2006年期刊引文报告，并证明有统计和经济上的显着差异提供的信息特征因子和影响因子和总引文。
2010-04-30 cs.DL
Measure the Impact of Institution and Paper via Institution-citation Network
本文基于异质性的机构-引文网络，考察了机构和论文的影响力。引入了一个新的模型IPRank，同时衡量机构和论文的影响。该模型利用异质结构测度方法揭示了机构和论文的影响，反映了引文、机构和结构测度的影响。该模型首先基于美国物理学会（APS）数据集构建了一个异构的机构-引文网络，并对该网络的性能进行了评价。随后，PageRank被用来量化机构和论文的影响。最后，合并同一机构的影响力，计算机构和论文的排名。实验结果表明，IPRank模型可以更好地识别诺贝尔奖获得者所在的大学，表明所提出的技术可以很好地反映有影响力的研究。
2020-08-10 cs.DL physics.soc-ph
Generalized h-index for Disclosing Latent Facts in Citation Networks
科学家的价值是什么？它对科学思维的影响是什么？我们如何衡量一份期刊或一次会议的声望？对科学家的科学工作的评价和对期刊或会议质量的估计长期以来一直吸引着人们的极大兴趣，因为获得公正和公平的标准是有益的。虽然看起来很简单，但定义质量度量标准并不是一件容易的事情。为了克服目前用于科学家和期刊排名的指标的缺点，J.E.赫希提出了一个开创性的指标，现在著名的h指数。在这篇文章中，我们展示了这个指数的几个不足之处，并开发了一对概括和有效的变种，它来处理科学家排名和出版论坛排名。新的引文索引能够揭示科学研究中的潮流引领者，以及不断以其有影响力的工作塑造其领域的研究人员，无论他们有多老。我们展示的有效性和好处的新指数展开的H-指数的全部潜力，从DBLP，一个广为人知的在线数字图书馆获得了广泛的实验结果。
2006-07-13 cs.DL
PUREsuggest: Citation-based Literature Search and Visual Exploration with Keyword-controlled Rankings
本文提出 PUREsuggest，利用引文链接、可视化排序解释和用户关键词控制，支持文献搜索、集合构建评估及专家发现，并通过模拟会话和用户研究验证。
2024-08-05 cs.DL cs.HC
Better Metrics for Ranking SE Researchers
本文研究了1992-2016年期间来自34个顶级SE场所的35，391篇论文的35，406名作者的各种指标和数据对SE研究人员的排名。基于这一分析，我们：反对广泛使用的“h-索引”，而倾向于替代加权页面排名（PR_W）指标，这有点类似于谷歌开发的PageRank（PR）指标。与h指数不同，PR_W不仅奖励引用次数，还奖励作者合作的频率。使用PR_W，我们提供了过去十年中排名前20位的SE作者。
2018-05-29 cs.DL
How to evaluate universities in terms of their relative citation impacts: Fractional counting of citations and the normalization of differences among disciplines
引用的分数计数可以通过规范引用行为差异方面的科学领域之间的差异来改善多学科研究单位（如大学）的排名。此外，引用论文方面的规范化废除了科学计量学中未解决的问题，即根据期刊划分科学领域和在不同期刊之间进行比较时的规范化。使用七所韩国研究型大学的出版物和引用数据，我们展示了排名的优势和差异，解释了可能的统计数据，并提出了如何可视化（引用）观众在网络方面的差异。
2010-10-12 cs.DL physics.soc-ph
Novel utilization of a paper-level classification system for the evaluation of journal impact: An update of the CAS Journal Ranking
本文介绍2020年升级版CAS期刊排名，采用CWTS论文级分类系统进行领域归一化，并提出稳健的FNCSI指标，以改进期刊影响力评价。
2023-08-30 cs.DL
Static Ranking of Scholarly Papers using Article-Level Eigenfactor (ALEF)
微软研究院主办了2016年基于微软学术图谱的WSDM杯挑战赛。我们的目标是为构成图表的文章提供静态排名，并根据人类法官的排名进行评估。虽然Microsoft Academic Graph提供了有关每个学术文档许多方面的元数据，但我们更专注于引用数据，并将此竞赛作为测试文章级别特征因子（ALEF）的机会，这是一种基于引用的新型排名算法，并评估其与竞争算法的性能，这些算法利用了来自大型，真实世界数据集（1.22亿篇论文和7.57亿次引用）。我们最终提交的比赛得分为0.676，获得第二名。
2016-06-28 cs.DL cs.IR
Unbiased evaluation of ranking metrics reveals consistent performance in science and technology citation data
尽管越来越多地使用基于引用的指标进行研究评估，但我们还不知道哪些指标最能兑现其承诺，以衡量科学论文或专利的重要性。我们评估了17个基于网络的指标，通过它们在三个大型引文数据集中识别里程碑论文和专利的能力。我们发现，传统的信息检索评估指标的里程碑项目的年龄分布和年龄偏见的评估指标之间的相互作用的强烈影响。因此，这些指标的结果并不代表指标的排名能力。我们主张修改后的评估程序，明确惩罚有偏见的指标，并允许我们揭示指标的性能模式是一致的数据集。PageRank和LeaderRank被证明是表现最好的排名指标，当他们的年龄偏见被他们产生的分数的简单变换所抑制时，而其他流行的指标，包括引用计数，HITS和集体影响力，产生明显更差的排名结果。
2020-01-15 cs.DL cs.IR cs.SI
Robustness of journal rankings by network flows with different amounts of memory
随着科学期刊数量的成倍增长，期刊排名对科学决策变得越来越重要。从投稿和订阅到拨款和招聘，研究人员，政策制定者和资助机构都受到期刊排名的影响，如ISI期刊影响因子。通常情况下，排名是从一系列期刊之间的引用网络中得出的，并且必然取决于这一选择。然而，很少有人知道如何强大的排名是选择纳入期刊。在这里，我们比较了三种基于网络流量的期刊排名的鲁棒性。他们模拟了研究人员浏览学术文献，在期刊之间迈步并在不同程度上记住他们以前的步骤的路径：零步记忆作为影响因子，一步记忆作为特征因子，两步记忆，对应于期刊之间引用流的零阶，一阶和二阶马尔可夫模型。我们的结论是，高阶马尔可夫模型表现更好，更强大的期刊选择。虽然我们的分析表明高阶模型的性能更好，但二阶马尔可夫模型的性能增益是以在更长的时间段内需要更多的引用数据为代价的。
2015-04-09 cs.DL physics.soc-ph
Journal Status
一个演员在社会背景下的地位通常由两个因素来定义：演员从其他演员那里获得的认可的总数和认可演员的声望。这两个因素分别表明了演员的受欢迎程度和专家欣赏之间的区别。我们把前者称为声望，把后者称为威望。这些关于声望和声望的概念也适用于学术评估领域。ISI影响因子（ISI IF）是指期刊在2年内收到的平均引用次数。通过仅仅计算引用的数量而忽略引用期刊的声望，ISI IF是一个受欢迎程度的度量，而不是声望。我们演示了如何加权版本的流行的PageRank算法可以用来获得一个度量，反映声望。我们对比期刊的排名，根据他们的ISI IF和加权PageRank，我们提供了一个分析，揭示了显着的重叠和差异。此外，我们引入了Y因子，这是一个简单的组合，ISI IF和加权PageRank，并发现由此产生的期刊排名对应的一般理解的期刊状态。
2006-01-09 cs.CY cs.DL
Impact Factors and the Central Limit Theorem: Why Citation Averages Are Scale Dependent
引文平均值，特别是影响因子（IF），对样本量很敏感。我们将中心极限定理（CLT）应用于IF，以了解它们的尺度依赖行为。对于从所有论文的总体中随机选择的$n$论文的期刊，我们从CLT中期望其IF围绕总体平均$μ$波动，并且跨越与$σ/\sqrt[]{n}$成比例的值范围，其中$σ^2$是总体引用分布的方差。$1/\sqrt[]{n}$依赖性对IF排名有着深远的影响：期刊越大，其IF所在的$μ$范围就越窄。因此，IF排名分配了一个不公平的优势，小期刊在高IF排名，并在低IF排名较大的期刊。我们预计，在IF排名中，期刊会出现规模依赖性分层，小型期刊占据顶部、中间和底部排名;中型期刊占据中间排名;超大型期刊的IF逐渐接近$μ$。我们通过分析（i）1997- 2016年Clarivate Analytics期刊引文报告中的166，498个IF \&期刊大小的数据对，（ii）2014- 2015年发表的276，000篇物理学论文的最高引用部分，以及（iii）任意抽样的物理学期刊列表的引用分布来证实这些预测。我们的结论是，CLT是一个很好的预测实际期刊的IF范围，而持续偏离其预测是一个真正的，非随机的，引用影响的标志。因此，如果不比较类似规模的期刊或调整这些影响，IF排名是误导性的。我们提出了$Φ$指数，一个重新缩放的IF调整大小，它可以推广到也占不同的引文实践跨研究领域。我们的方法也适用于用于…
2018-09-20 cs.DL physics.soc-ph
Statistical Modelling of Citation Exchange Between Statistics Journals
基于引用数据的学术期刊排名经常受到科学界的质疑。部分怀疑是由于对期刊声望的普遍看法与基于引用数量的排名之间的差异。一个更严重的问题是不恰当地使用期刊排名来评估作者的科学影响力。本文对统计学期刊的交叉引用情况进行了分析。数据来自汤森路透发布的Web of Science数据库。我们的研究结果表明，对期刊之间的引文交换进行建模有助于突出最负盛名的期刊，但期刊引文数据的特点是相当大的异质性，需要适当总结。推理结论需要谨慎，以避免对期刊评级之间的微小差异进行过度解释。与联合王国研究评估工作中公布的机构评级相比，在统计学科内，评估的研究质量与期刊引用“出口分数”之间在总体上存在很强的相关性。
2015-04-03 cs.DL stat.AP
The Demise of Single-Authored Publications in Computer Science: A Citation Network Analysis
在这项研究中，我分析了DBLP书目数据库，以研究1940年至2019年之间计算机科学文献中单作者出版物的作用。我通过计算多年来单作者出版物的人口比例，引文统计和PageRank分数来检查人口统计和接收情况。自1940年代以来，人口比例和接待人数都在不断下降。单一作者出版物的总体下降趋势在质量上与其他科学学科中观察到的趋势一致，尽管这种下降比自然科学晚了几十年。此外，我分析了单作者出版物的范围和数量，使用页面长度和引用计数作为出版物范围的一阶近似值。虽然这两个指标平均显示出与引用计数的正相关性，但与其他出版物相比，单作者论文的页数或引用计数没有显着差异，这表明存在其他影响单作者出版物引用的因素。
2020-01-02 cs.CY cs.DL
Context Sensitive Article Ranking with Citation Context Analysis
在特定的上下文中很难发现重要的文章。基于全文检索的信息检索技术可能无法准确识别主要主题，并且无法提供有关文章重要性的指示。生成一个引文网络是找到最流行文章的好方法，但这种方法没有上下文意识。引用标记周围的文本通常是所引用文章的很好的摘要。因此，引文上下文分析提供了一个机会，利用群众的智慧，在上下文敏感的方式检测重要的文章。在这项工作中，我们分析引用上下文，以适当地为给定的主题排名的文章。该模型使用引文上下文，以创建一个有向和加权的引文网络的基础上的目标主题。如果引用上下文包含与目标主题相关的术语，则在两篇文章之间创建有向和加权边。然后，我们应用常见的排名算法，以便在这个新创建的网络中找到重要的文章。我们表明，这种方法成功地检测到一个很好的子集，最突出的文章在一个给定的主题。这种方法的最大贡献是，我们能够识别给定搜索词的重要文章，即使这些文章不包含该搜索词。此技术可用于其他链接文档，包括网页、法律文档和专利。
2016-04-26 cs.DL cs.IR cs.SI
General Science Ranking (GSR): An Open-Source, Citation-Normalized Journal and Conference Classification System for Computer Science and Medicine
General Science Co Ltd（通用科学有限公司）
本文提出了一种基于开源数据的多维文献计量框架GSR，用于对计算机科学和医学领域的期刊和会议进行分类，提供了一种免费、可重复、领域标准化的排名系统，适用于机构评估政策。
2026-05-19 cs.DB cs.DL
Funding the runners-up beats a golden ticket
Indiana University School of Medicine（印第安纳大学医学院）
本研究通过比较少数派支持排名与小组均值排名等规则，发现金票机制在计算机科学会议被拒投稿中并未带来引文优势，小组均值排名更优。
2026-09-18 cs.CY cs.DL
Uncertain research country rankings. Should we continue producing uncertain rankings?
本研究调查了基于引用的国家研究能力评估不准确的原因，发现引用分布偏差导致百分位指标误判国家与机构能力，建议弃用此类指标。
2025-03-20 cs.DL cs.IR physics.soc-ph
The correlation coefficient between citation metrics and winning a Nobel or Abel Prize
如果我们能得到奖项委员会给所有科学家的排名，计算这种相关系数就很简单了。事实上，我们只有所有科学家的引用排名。然而，这意味着我们有获奖者在引用指标方面的顺序排名。我使用最大似然法来推断最可能的相关系数，以产生获奖者顺序排列的观察模式。综合引文指标与获得阿贝尔奖和菲尔兹奖的相关系数分别为0.47和0.59。获得诺贝尔奖与Q因子之间的相关系数为0.65。这些系数与国际象棋选手的Elo评分和他们的受欢迎程度之间的相关系数具有相同的幅度，这些受欢迎程度是以提到这些选手的网页数量来衡量的。
2021-09-13 cs.DL physics.soc-ph stat.ME
When standard network measures fail to rank journals: A theoretical and empirical analysis
期刊排名被广泛使用，通常基于引文数据并结合网络视角。我们认为，其中一些基于网络的排名可能会产生误导性的结果。从理论的角度来看，我们表明，标准的网络建模方法的引文数据在期刊水平（即，论文引用到期刊上的投影）引入了期刊之间的虚拟关系。为了克服这个问题，我们提出了一个引用路径的角度来看，并实证表明，基于网络和引用路径的角度排名是非常不同的。基于我们的理论和实证分析，我们强调了标准网络度量的局限性，并提出了一种方法来克服这些局限性和计算期刊排名。
2021-06-29 cs.DL cs.IR cs.SI
Statistics in everyone's backyard: an impact study via citation network analysis
越来越多的策展引文数据为分析和理解科学出版物的知识影响力提供了丰富的资源。在统计学领域，目前对引文数据的研究主要集中在统计期刊和论文之间的相互作用上，将影响力的衡量主要局限于统计学本身。在本文中，我们迈出了理解统计在大数据时代对其他科学领域的影响的第一步。通过从Web of Science数据库中收集选定的统计期刊的综合文献计量学数据，我们调查了随着时间的推移，引用领域的引用趋势和组成，以显示其多样性一直在增加。此外，我们使用的本地聚类技术，涉及个性化的PageRank与电导大小选择，找到最相关的统计研究领域为一个给定的外部感兴趣的话题。我们为该过程提供了理论保证，并通过一些案例研究，表明我们的引文数据的结果与我们对这些外部主题的知识和直觉非常一致。总的来说，我们发现统计学界最近发明的统计理论和方法对其他科学领域的影响越来越大。
2021-10-16 cs.DL stat.AP
Graph Embedding for Citation Recommendation
随着科学的进步，学术界发表了数百万篇研究论文。研究人员在撰写论文或只是为了跟上当前的研究时，会花费时间和精力搜索相关的手稿。本文研究了图上的引文推荐问题，提出了一种基于任务的邻域构造策略来学习论文的分布式表示。此外，鉴于所学到的表示，我们调查各种计划排名的候选论文引用推荐。实验结果表明，我们提出的邻域构造策略优于广泛使用的随机游走为基础的采样策略的所有排名方案，和基于模型的排名方案优于嵌入的邻域构造策略的排名。我们还证明了图嵌入是一种鲁棒的引用推荐方法，当隐藏率变化时，而经典方法的性能显着下降时，种子论文集变得很小。
2018-12-06 cs.DL cs.IR cs.SI
Community Detection and Growth Potential Prediction Using the Stochastic Block Model and the Long Short-term Memory from Patent Citation Networks
专利文献评分对技术管理非常有用。然而，传统的方法是基于静态模型，因此，不反映技术集群的专利的增长潜力。因为即使专利集群没有增长的希望，我们也认识到，如果PageRank或其他排名得分很高，那么专利就很重要。因此，有必要开展引文网络聚类和未来引文预测。本研究利用随机块模型对专利引文网络进行聚类分析，目的是使企业管理者和投资者能够评估技术的规模和生存周期。结果表明，嵌套SBM适用于专利引文网络的图聚类。此外，当通过使用LSTM预测每个集群的增长潜力时，获得了高MAPE值，并且方向准确度达到了大于50%的值。
2019-04-23 cs.DL cs.IR
Determining sentiment in citation text and analyzing its impact on the proposed ranking index
Jadavpur University（贾达普大学）；University of Maryland, College Park（马里兰大学帕克分校）
每当人类相互交流时，他们都会交换或表达意见，情感和情绪。这些意见可以通过文字、语音或图像来表达。对这些情绪的分析是当今研究者的热门研究领域之一。情感分析，也称为意见挖掘，试图将这些情感或意见识别或分类为两大类-积极和消极。近年来，科学界对分析各种社交媒体平台上可用的文本数据中的情感非常感兴趣。在社交媒体对话、博客文章、报纸文章和各种叙事文本方面做了大量工作。然而，当涉及到从科学论文中识别情绪时，由于观点的隐含和隐藏性质，研究人员面临着一些困难。默认情况下，引用实例在情感上被认为是内在积极的。流行的排名和索引范式往往忽视了引用时的意见。在本文中，我们试图实现三个目标。首先，我们尝试识别引文文本中的主要情绪，并为实例分配一个分数。为此，我们使用了统计分类器。其次，我们提出了一个新的指数（我们将称之为M指数），它考虑到定量和定性因素，同时评分的文件。第三，我们开发了一个基于M指数的研究论文排名。我们还试图解释M指数如何影响科学论文的排名。
2017-07-05 cs.CL cs.DL cs.IR
Ranking Papers by their Short-Term Scientific Impact
科学论文发表率的不断提高使得研究人员很难确定目前影响他们感兴趣的研究领域的论文。因此，有效识别高影响力论文的方法在过去引起了极大的关注。在这项工作中，我们提出了一种方法，旨在根据其估计的短期影响，如在不久的将来收到的引用数量来衡量排名的论文。类似于以前的工作，我们的方法模型的研究人员，因为她探索的文件引文网络。关键的方面是，我们纳入了一个基于注意力的机制，类似于一个有时间限制的版本的优先附件，明确捕捉研究人员的偏好，阅读最近收到了很多关注的论文。在四个跨学科的真实引文数据集上进行的详细实验评估表明，我们的方法在基于短期影响的论文排名方面比以前的工作更有效。
2021-04-20 cs.DL cs.IR
Navigation-Based Candidate Expansion and Pretrained Language Models for Citation Recommendation
科学文献的引文推荐系统，帮助作者找到应该被引用的论文，有可能加快发现和发现科学探索的新途径。我们把这个任务作为一个排名的问题，我们解决了两个阶段的方法：候选人生成，然后重新排名。在这个框架内，我们适应科学领域的一个证明组合的基础上“袋的话”检索，然后重新评分与BERT模型。我们的实验表明，领域自适应的影响，无论是在预训练领域内的数据和利用领域内的词汇。此外，我们引入了一种新的基于导航的文档扩展策略，以丰富我们的神经模型处理的候选文档。在来自不同科学学科的三个不同的集合上，我们在引文推荐任务中取得了最好的报告结果。
2020-01-23 cs.DL cs.IR
Generalization of bibliographic coupling and co-citation using the node split network
书目耦合（BC）和共引（CC）是两种最常见的基于引文的科学项目间相似性耦合度量。人们可以将这些测量解释为由引用方向区分的第二相邻关系：BC是两个引用项之间的相似性，而CC是两个引用项之间的相似性。以前的一项研究提出了一个两层节点分裂网络，可以模拟集群的耦合措施，在计算效率的方式，但是，缺乏层内的链接，使得它不可能获得确切的相似性。在这里，我们提出了新的方法来估计层内相似性的节点分裂网络使用个性化的PageRank和神经嵌入。我们表明，所提出的措施是强相关的耦合措施。此外，我们所提出的方法可以产生精确的相似性项目之间，即使他们是远离对方。我们还发现，许多具有高相似性的链接在原来的BC/CC网络中丢失，这表明，它是必要的，以考虑长期的相似性。全局和局部边缘采样的比较实验表明，局部采样是稳定的节点分裂网络的相似性。这种分析提供了有价值的见解的过程中，寻找显着相关的项目有关的每个耦合措施。
2021-10-29 cs.DL physics.soc-ph
How are new citation-based journal indicators adding to the bibliometric toolbox?
Scopus和Google Scholar的推出，以及社交网络分析方法的发展，使评估期刊的指标比ISI的传统影响因子，引用半衰期和即时性指数更多。在这项研究中，这些新指标相互比较，并与旧的。各种指标是否衡量了引文网络的新维度，或者它们之间是否高度相关？它们是否随着时间的推移而稳健且相对稳定？有两个主要方面-规模和影响-合在一起形成影响。H指数结合了这两个维度，也可以被认为是覆盖范围的指标（如Indegree）。PageRank主要是大小的指标，但与中心性度量有重要的相互作用。Scimago期刊排名（SJR）指标提供了期刊影响因子的替代方案，但计算不太容易。
2009-09-24 cs.DL physics.data-an physics.soc-ph
Leveraging GANs for citation intent classification and its impact on citation network analysis
Institute of Mathematics and Computer Science, University of São Paulo（圣保罗大学数学与计算机科学学院）；Observatory on Social Media, Indiana University（社交媒体观察站，印第安纳大学）
本文提出利用生成对抗网络进行引用意图分类，展示了其在提升引用网络分析效率和准确性方面的有效性。
2025-05-27 cs.CL cs.DL cs.SI
Google matrix of the citation network of Physical Review
我们研究了1893 - 2009年期间《物理评论》引文网络的Google矩阵的谱和本征态的统计特性。具有最大模的复特征值的主要部分通过基于高精度计算的不同方法在数值上确定，所述高精度计算具有高达$p=16384$二进制数字，其允许解决小特征值的困难数值问题。近似幂零矩阵结构允许获得特征值的半解析计算。我们发现，频谱的特点是分形外尔定律与分形维数$d_f \approx 1$。结果发现，大多数的本征向量位于一个本地化的相位。文章的PageRank-CheiRank平面的统计分布的建立提供了一个更好地了解网络上的信息流。提出了ImpactRank的概念来确定给定文章的影响域。我们还讨论了Perron-Frobenius算子的随机矩阵模型的性质。
2014-05-28 cs.DL cs.SI physics.soc-ph
Identification of milestone papers through time-balanced network centrality
科学论文之间的引用和相关的文献计量学指数，如$h$ -作者索引和期刊影响因子，正越来越多地被用作研究评价的定量工具，但往往是以有争议的方式使用。然而，一个基本的研究问题仍然悬而未决：定量指标在多大程度上捕捉科学作品的意义？我们分析了1893年至2009年美国物理学会（APS）期刊发表的$449,935$论文的引文网络，并重点比较了基于引文计数的指标与基于网络的指标。我们对比了五个文章级别的指标，它们分配给一组基础论文的排名，称为里程碑信件，由APS编辑精心挑选，“通过宣布重大发现或启动新的研究领域，为物理学做出长期贡献”。一个新的指标，它结合了PageRank中心性与明确的要求，即论文分数不受论文年龄的影响，是识别里程碑信件的整体性能最好的指标。新指标中没有时间偏差，因此也可以用它来比较相同尺度下不同年龄的论文。我们发现，基于网络的指标识别里程碑字母比基于引用计数的指标，这表明引用网络的结构包含的信息，可用于提高科学出版物的排名。这里提出的方法和结果是相关的所有不断发展的系统，网络中心性指标的应用，例如万维网和在线社交网络。一个互动的网络平台，它可以查看排名的APS论文通过重新缩放PageRank可在地址\url{http://www.sciencenow.info}。
2016-11-08 cs.DL cs.IR cs.SI
A Case Study of the Arbitrariness of the h-Index and the Highly-Cited-Publications Indicator
当需要q*h而不是h引用作为索引定义的阈值时，h索引的任意性变得明显，从而改变了数据集最有影响力的出版物的核心大小。我分析了26位物理学家的引用记录，以确定前因子q对排名的影响程度。同样，高被引出版物指标的任意性是由于阈值，要么作为引用的绝对数量，要么作为高被引论文的百分比。对26条引文记录的分析表明，依赖于这些阈值的排名变化相当大，与h指数的相应变化相当。
2013-02-26 cs.DL physics.soc-ph
Comment: Citation Statistics
我们讨论了定量评估研究联合委员会的论文“引文统计”[arXiv：0910.3529]。特别是，我们专注于一个必要的功能，“好”的措施，排名科学作者：良好的措施必须能够准确地区分作者。
2009-10-19 cs.DL physics.soc-ph stat.ME
