Modeling scientific-citation patterns and other triangle-rich acyclic networks
我们提出了一个模型的科学引文网络的演变。该模型以出度分布（引用数量的分布）和两个参数作为输入。这些参数捕捉了模型的两个主要成分，即论文相关性的老化和新论文引用旧论文时三角形的形成。我们比较我们的模型与三个网络结构量的经验引文网络。我们发现，在参数空间中的一个独特的点优化所有数量的真实和模型数据之间的匹配。最佳参数值表明，科学论文的影响，至少在我们建模的经验数据集中，与论文发表以来的论文数量成反比。
2009-08-18 cs.DL physics.soc-ph
Modeling the coevolution between citations and coauthorships in scientific papers
科学研究中的合作和引用同时增长，并动态地相互作用。对它们之间的共同进化进行建模有助于研究许多只有通过结合引用和合著数据才能接近的现象。提出了协同进化的几何图，其机制以几何方式综合表达了作者与论文的交互影响。该模型针对2007-2015年期间在PNAS上发表的论文数据集进行了验证。验证表明，有能力再现的引用和合著数据相结合，分别观察到的一系列功能。特别地，在作者人均引文量的经验分布中，存在两个极限，分别表现为广义泊松分布和幂律分布。我们的模型成功地再现了分布的形状，并提供了一个解释的形状出现通过作者的决定。该模型还捕捉了作者论文数量、引用次数和合作者数量之间的实证正相关关系。
2017-09-28 cs.DL physics.soc-ph
Distance Measures for Dynamic Citation Networks
无圈有向图出现在许多自然和人工过程中。在更广泛的集合中，动态引用网络代表了非循环有向图的一种非常重要的形式。例如，对这种网络的研究包括通过学术引用传播思想，通过专利引用传播创新，以及普通法体系中先例的发展。产生这种非循环有向图的特定动力学不仅将它们与其他类别的图区分开来，而且还为有意义的距离度量的发展提供了指导。在这篇文章中，我们开发和应用我们的汇距离测量与单链接层次聚类算法，以两个二维定向偏好连接模型以及来自美国最高法院的决定的第一个季度世纪的经验数据。尽管应用最简单的组合的距离测量和聚类算法，分析表明，更准确和更可解释的聚类产生的这个计划。
2009-11-30 physics.soc-ph
Interdisciplinarity Revealed by Transitive Reduction of Citation Networks
该研究提出通过引用网络传递约简后的引用损失量判断文献跨学科性的假设，结合人工模型与三类引用数据、聚类方法验证，在多数案例中得到支持，为跨学科文献识别提供了新思路。
2025-08-04 cs.DL cs.SI physics.soc-ph
Modeling citation networks based on vigorousness and dormancy
在引文网络中，论文的活跃度通常会随着时间的推移而降低，休眠论文可能会被发现并重新流行起来。为了模拟这种现象，提出了一种竞争机制，该机制包含两个因素：活力和休眠。基于这一思想，本文提出了一个引文网络模型，其中一个节点具有两个离散的阶段：活跃和休眠。活跃节点可以被去激活，休眠节点可以被激活并变得活跃。网络的演化耦合了新节点的添加和旧节点的状态转换。分析计算和数值模拟表明，生成的网络节点的度分布具有良好的右偏性。特别地，当目标选择去活顶点时，得到了无标度网络，而随机选择的情况下，得到了指数网络。此外，四个现实世界的引文网络的测量实现了很好的协议与随机模型。
2013-08-24 cond-mat.stat-mech cs.DL cs.SI
Community-centric modeling of citation dynamics explains collective citation patterns in science, law, and patents
针对现有引用动力学研究局限于科学领域且难以解释延迟识别现象的问题，本文提出一种整体模型，通过捕捉三个核心机制，成功重现了科学、法律和专利中共享的集体引用模式，并提升了预测未来成功的能力。
2025-01-28 cs.SI physics.soc-ph
Growing complex network of citations of scientific papers -- measurements and modeling
为了量化复杂网络增长的机制，我们专注于科学论文的引用网络，并结合使用理论和实验工具来揭示这种网络增长的微观细节。也就是说，我们开发了一个随机模型的基础上复制/重定向/三元关闭机制的引用动态。在一个互补和连贯的方式，该模型帐户的科学论文的参考文献的统计和他们的引用动态。该模型起源于经验测量，以这样一种方式铸造，它可以在各个方面进行定量验证。这种验证是通过测量物理学论文的引用动态来进行的。测量结果显示非线性引用动态，非线性关系错综复杂的网络拓扑结构。非线性有深远的影响，包括非平稳的引文分布，发散的引用轨迹相似的论文，失控或“不朽的论文”与无限的引用寿命等，因此，我们最重要的发现是非线性复杂网络的增长。在一个更具体的情况下，我们的研究结果可以为定量概率预测的引用动态的个别论文和期刊的影响因子的基础。
2016-07-28 cs.DL physics.data-an physics.soc-ph
Stochastic modeling of citation slips
我们目前的经验数据的频率和模式的引用12个高知名度的论文中的印刷错误。我们发现，分布的印刷错误，其重复的频率排名，遵循齐普夫定律。我们提出了一个引用过程的随机模型，解释了这些发现，并得出结论，70-90%的科学引文是从其他论文中使用的参考文献列表中复制。
2004-11-28 cond-mat.dis-nn physics.soc-ph
Modeling and Predicting Citation Count via Recurrent Neural Network with Long Short-Term Memory
科学研究的快速发展每年都创造了大量的出版物。在众多科学影响力的量化指标中，引用计数因其在研究界的频繁使用而脱颖而出。虽然同行评审过程是预测论文未来影响力的主要可靠方法，但在大数据时代，基于引文记录预测持久影响力的能力在科学影响力分析中越来越重要。论文主要研究期刊被引量的长期预测问题，这是一个新兴的、具有挑战性的应用研究课题。基于以往长期科学影响力量化研究中独立证实的四个关键现象，包括出版物的内在质量、老化效应、马太效应和近因效应，本文统一了所有这些观察结果的表述。在此基础上，提出了一个基于长短期记忆单元的循环神经网络的论文长期被引量预测模型。在一个真实的大规模引文数据集上的实验表明，该模型始终优于现有的方法，并取得了显着的性能改善。
2022-04-21 cs.DL physics.soc-ph
A Fitness Model for Scholarly Impact Analysis
我们提出了一个模型来分析引文增长和适应性（竞争力）因素的影响，在不断发展的引文网络。应用所提出的方法来建模引用InfoVis 2004年的数据，一个基准收集约31年的历史信息可视化的论文和学者，导致结果一致的引用分布一般和观察领域特别是。基于先前影响和时间因素的适合度变量对引文结果有显著影响。我们发现相当大的影响大小，从健身建模，这表明不可避免的偏见，由于这些因素在引文分析。虽然原始引用分数对InfoVis的增长几乎没有什么洞察力，但通过时间和先前适应度的影响对分数进行归一化，可以合理地描述该领域的发展。分析表明，所提出的模型的能力，以产生与观察到的数据一致的结果，并支持有意义的比较引文分数随着时间的推移。
2012-05-02 cs.DL cs.SI physics.soc-ph
Exploiting citation networks for large-scale author name disambiguation
我们提出了一种新的算法和验证方法，消除歧义的作者姓名在非常大的书目数据集，并将其应用到完整的Web of Science（WoS）引文索引。我们的算法仅依赖于WoS所涵盖的整个时期的作者和引文图。建立了基于共同合著者、自引、共享参考文献和引文的成对出版物相似性度量，以执行两步凝聚聚类，该聚类首先连接单个论文，然后合并相似的聚类。该参数化模型使用基于h指数的召回率指标进行优化，有利于正确分配引用良好的出版物，并使用WoS元数据和交叉引用的Google Scholar配置文件进行基于姓名首字母的精确度。尽管使用了有限的元数据，我们达到了87%的召回率和88%的准确率，并优先考虑具有高h指数值的研究人员。4700万篇WoS文章可以在一台机器上在不到一天的时间内消除歧义。我们开发了一个h-指数分布模型，证实预测与经验数据非常吻合，并深入了解h-指数在真实学术排名场景中的效用。
2014-12-10 cs.DL cs.SI physics.soc-ph
Modeling the time-periodicity of in-degree distributions in scientific citation networks
在一系列引文网络中，入度分布具有时间周期性--每年发表的每篇文章的引文分布呈现出类似的无标度尾部。这一现象可以看作是热点话题的出现和“突发”现象存在的结果。在此基础上，建立了一个节点影响区大小随年龄增长而减小的几何模型，模型中节点影响区大小服从幂律分布。该模型成功地再现了经验数据的入度分布的时间周期性，并解释了引文突发的存在。此外，文章之间的引用行为作为一个“是/否”的实验，提出了一个合理的解释的无标度的尾巴的出现。该模型还可以预测局部聚类系数的时间周期性，这表明该模型是一个很好的工具，研究引文网络的演化机制。
2016-10-11 physics.soc-ph
Modeling nonuniversal citation distributions: the role of scientific journals
一篇科学论文是否被引用不仅与作者的影响力有关，还与发表它的期刊有关。科学家，无论是熟练的还是稚嫩的，通常都会将他们最重要的工作提交给知名期刊，这些期刊的引用率高于普通期刊。如何模拟科技期刊在引文动态中的作用具有重要意义。在本文中，我们通过两个折叠来解决这个问题。一是论文内在的异质性，它取决于发表论文的期刊的影响因子;二是论文被引的机制，它取决于论文的被引次数和声誉。我们通过一个内在的节点权重函数和一个直观的老化机制开发了一个引文网络模型。节点的权重是根据期刊影响因子的分布来确定的，老化度是被引期刊和声誉期刊的函数。由此产生的网络的节点度分布显示出非普适的标度：该分布在小度时呈指数衰减，在大度时具有幂律尾部，因此具有对偶行为。期刊的影响因子越高，得到的临界点越大，幂指数越小。随着期刊等级的提高，这种现象将逐渐消失，并向纯幂律演化。
2014-05-09 cond-mat.stat-mech cs.DL physics.soc-ph
Modeling Dynamic Heterogeneous Graph and Node Importance for Future Citation Prediction
Beihang University（北京航空航天大学）
本文提出DGNI框架，结合动态异构图嵌入与节点重要性嵌入，通过动态演化趋势和全局一致性关系联合预测论文未来引用，在两个大规模数据集上显著优于SOTA模型。
2023-05-27 cs.DL cs.LG physics.soc-ph
Modeling innovation by a kinetic description of the patent citation system
本文报告了美国专利制度研究的网络理论方法的结果。我们将专利引用网络建模为一个离散时间、离散空间的随机动态系统。从超过200万项专利及其引用的数据中，我们提取了一个吸引力函数$A(k,l)$，它决定了专利被引用的可能性。$A(k,l)$可近似地分为函数$A_k(k)$和函数$A_l(l)$的乘积，其中$k$是已经收到的引用数（以度为单位），$l$是以专利号为单位测量的年龄。$A_l(l)$在低$l$时显示出峰值和长幂律尾部，表明某些专利技术具有非常长期的影响。$A_k(k)$表现出超线性优先连接。自1991年以来，优先附着指数一直在上升，这表明专利引用越来越集中在相对较少的专利上。同一时期，一项新专利被某一专利引用的总体平均概率略有增加。我们讨论了我们的研究结果对专利政策的一些可能的影响。
2005-08-18 physics.soc-ph
Topic Modeling in Density Functional Theory on Citations of Condensed Matter Electronic Structure Packages
随着越来越多的新科学论文被发布，研究人员越来越难以了解他们研究领域的最新文章。准确地对论文进行分类是个性化餐饮和轻松访问感兴趣的研究方向的第一步。特别是密度泛函理论（DFT）领域是一个很好的例子，它是一种用于非常不同的研究和相互关联的学科的方法，它有一个非常强大的社区发表了许多研究文章。我们设计了一种新的无监督的方法来分类出版物，基于主题建模，并使用DFT相关的文档选择作为用例。我们首先通过对出版物的摘要进行词分析和聚类来创建主题，然后根据词的相似性将每个出版物/论文归属于一个主题。然后，我们通过分析主题与出版商，期刊，国家或出版年份之间的联系进行了有趣的观察。所提出的方法是通用的，并可以应用于分析在其他领域的研究，超出了密度泛函理论领域的出版和引用趋势。
2023-02-16 cond-mat.other cs.DL cs.IR
Community Detection and Growth Potential Prediction from Patent Citation Networks
专利的评分对于技术管理分析是有用的。因此，有必要发展引文网络聚类和预测未来的引文，为实际的专利评分。在本文中，我们提出了一个社区发现方法使用Node2vec。为了分析增长潜力，我们比较了三种“时间序列分析方法”，长短期记忆（LSTM），ARIMA模型和霍克斯过程。实验结果表明，通过Node2vec可以从这些集群中找到共同的技术点。此外，我们发现ARIMA模型的预测精度高于其他模型。
2019-04-23 cs.IR cs.SI physics.soc-ph
Modeling a Century of Citation Distributions
100年来引文分布的变化可以揭示科学社区或学科的演变。相对于大量出版物，未被引用论文或高被引用论文的普遍存在为科学研究的动态提供了重要线索。本文利用1900-2006年期间Web of Science上的2500万篇论文和6亿篇参考文献，提出了一个基于随机选择过程的简单模型来解释近年来的“清晰度”现象及其下降。我们表明，未被引用的论文的比例是1）在给定的一年中发表的文章（竞争论文）和2）随后发表的文章（引用论文）的数量和它们包含的参考文献的数量的函数。使用清晰度作为出发点，我们证明了拉伸指数函数和Tsallis函数的一种形式，以适应完整的引用分布在20世纪的效用。例如，与简单的幂律拟合相反，这两种方法都被证明是有经验基础的，并且足够强大，可以更好地理解总水平上的引用动态。基于这些模型的扩展、我们对清晰度的新理解和我们的大型数据集，我们能够为1960年左右引文实践的重要转变提供明确的定量证据和临时解释，这在20世纪是无与伦比的。我们还提出了一个修订的“引文经典”类别作为一组文章，这是明显有别于其他领域。
2008-10-08 physics.soc-ph
Prediction of Emerging Technologies Based on Analysis of the U.S. Patent Citation Network
由引用连接的专利网络是一个不断发展的图，它提供了创新过程的表示。一项专利引用另一项专利意味着被引用的专利反映了被引用专利所建立的一项先前存在的知识。这里提出的方法（i）确定专利的实际集群：即技术分支，（ii）预测集群结构的时间变化。被称为引用向量的预测器被定义用于表征技术发展，以显示被其他专利引用的专利如何属于各个工业领域。所采用的聚类技术能够发现新出现的重组，并预测新出现的新技术集群。我们的新方法的预测能力，说明了美国专利商标局子类别11，农业，食品，纺织品的例子。一个集群的专利被确定的基础上的引用数据到1991年，这表明在1997年初形成的类442的显着重叠。这些新的预测分析工具可以支持科学和技术领域的政策决策过程，并帮助制定行动建议。
2013-04-04 cs.SI physics.soc-ph
Stochastic modeling of scientific impact
最近的研究发现，科学家在高引用论文中所占的比例不成比例。研究人员推断，如果科学上的成功是随机的，那么这种情况就不可能发生，并引入了一个隐藏的参数Q或天赋来解释这一发现。因此，有才华的高Q科学家有许多高影响力的论文。在这里，我展示了一个旧的随机引用复制模型的升级也可以解释这一发现。在新的模型中，引用复制的概率不是对所有的论文都是一样的，而是与其作者的所有论文的引用总数的对数成正比。该模型的数值模拟给出了类似于Q因子文章的经验发现的结果。
2021-06-24 cs.DL physics.soc-ph stat.AP
Center-Periphery Structure in Communities: Extracellular Vesicles
网络中的聚类和社区发现具有广泛的意义，并且已经成为跨越多个领域的广泛研究的主题。我们感兴趣的是一个相对狭窄的问题，即检测由引用链接的科学出版物的社区。这些出版物社区可用于确定形成研究人员社区的具有共同兴趣的科学家。在著名的k-core算法的基础上，我们开发了一个模块化的管道来寻找出版社区。我们比较我们的方法，社区发现广泛使用的莱顿算法的社区发现。使用定量和定性的方法，我们评估社区发现的结果，引文网络组成的超过1400万出版物相关的领域的细胞外囊泡。
2021-11-14 cs.DL cs.SI physics.soc-ph
Andrzej Pekalski networks of scientific interests with internal degrees of freedom through self-citation analysis
旧的和最近的理论著作Andrzej Pekalski（APE）被召回作为可能的利益来源，用于描述网络的形成和集群在复杂的（科学）社区，通过自组织和渗透过程。重点放在APE自引网络超过四十年。该方法与文献[1，2]中用于检测科学家领域流动性的方法相同，主要关注作者的自引、合著和论文主题网络。它表明，APE的自引模式揭示了重要的信息APE兴趣的研究课题随着时间的推移，以及APE参与不同的科学主题，并在不同的网络合作。其有趣的复杂性是由“自由度”和外部场导致所谓的内部抗冲击性造成的。研究发现，APE网络属于独立的团簇，发生在不可逆的“优先连接过程”中，类似于通常的力学和热力学相变。
2007-10-09 physics.hist-ph physics.soc-ph
The disruption index is biased by citation inflation
University of California, Merced（加州大学默塞德分校）；Politecnico Milano（米兰理工大学）
本文揭示了引用膨胀导致破坏指数时间偏移的问题，指出引用网络结构变化使跨时间分析困难，提出三种批评方法和合成网络以测试其他指标的系统性偏差。
2023-06-02 cs.DL cs.SI econ.GN
Consensus clustering in complex networks
复杂网络的社区结构揭示了其组织结构和其组成部分之间的隐藏关系。目前可用的大多数社区检测方法都不是确定性的，它们的结果通常取决于特定的随机种子，初始条件和执行时采用的平局规则。一致性聚类用于数据分析，以从通过随机方法提供的一组分区中生成稳定的结果。在这里，我们表明，共识聚类可以结合任何现有的方法在一个自我一致的方式，大大提高了稳定性和准确性的分区。该框架也特别适合于监测时序网络中社区结构的演化。共识聚类的一个大型的引用网络的物理论文的应用程序表明，它的能力，以跟踪出生，死亡和多样化的主题。
2012-03-27 cs.IR cs.SI physics.soc-ph
A simple centrality index for scientific social recognition
我们引入了一个新的二分网络的论文和作者的中心性指数，我们称之为$K$ -指数。$K$指数随着引用特定研究人员的论文的引用性能而增长，可以被视为科学社会认可的衡量标准。事实上，$K$ -index度量引用给定作者的枢纽节点的数量，在二分网络中以自洽的方式定义。我们表明，$K$指数可以通过简单的检查Web的科学平台计算，并提出了几个优势，比其他中心指数，特别是赫希$h$指数。$K$ -索引对自引具有稳健性，不像$h$ -索引那样受到研究人员发表论文总数的限制，并且可以以一致的方式区分具有相同$h$ -索引但科学社会认可度差异很大的研究人员。$K$ -索引很容易检测到研究人员因科学不端行为而夸大论文、引文和$h$ -索引数量的已知案例。最后，我们表明，在28位诺贝尔物理学奖获得者和28位高被引非诺贝尔物理学奖获得者的样本中，$K$指数与获奖成就的相关性优于论文数量、引用次数、每篇论文的引用次数、引用文章或$h$指数。聚类研究人员在一个$K$与$h$图揭示了有趣的离群值，表明这两个指数可以提供互补的独立信息。
2017-09-28 cs.DL physics.soc-ph
Graph Clustering with Dynamic Embedding
图聚类（或社区发现）在Web挖掘和信息网络领域的研究中一直受到广泛关注。最近关于这个主题的文献已经达成了共识，即节点内容和链接结构应该被集成以实现可靠的图聚类，特别是在无监督的设置中。然而，现有的方法基于浅模型往往遭受的内容噪声和稀疏。在这项工作中，我们建议利用深度嵌入进行图聚类，这是由于神经网络在学习内在内容表示方面的公认能力。在此基础上，我们通过影响力传播原理捕捉网络的动态本质，并计算动态网络嵌入。然后基于这种嵌入的稳态来检测网络簇。与大多数现有的任务不可知的嵌入方法不同，我们同时解决了底层节点表示和端到端的最佳聚类分配。为了提供更多的洞察力，我们从理论上分析了我们对网络集群的解释，并找到了它与两种广泛应用的网络建模方法的潜在联系。在六个真实世界的数据集上进行了大量的实验，包括社交网络和引文网络，实验结果证明了我们所提出的模型的优越性。
2017-12-21 cs.SI physics.soc-ph
The structure of segregation in co-authorship networks and its impact on scientific production
本研究用SSI划分合作作者网络的隔离类别，对比非隔离与高度隔离社群的结构及引用差异，首次揭示社群隔离与作者引用的关联。
2023-05-03 cs.SI physics.soc-ph
Complex scale-free networks with tunable power-law exponent and clustering
我们介绍了一个网络的演化过程中的科学文献中的引用网络的动机。在该过程的每次迭代中，生成一个节点，并创建从新节点到网络中已有的一组目标节点的有向链接。该集合包括$m$“大使”节点和每个大使的后代的$l$，其中$m$和$l$是从分布$p_{l}$和$q_{m}$的任何选择中选择的随机变量。这个过程模拟了作者引用不同数量的论文的趋势，这些论文包括在他们引用的其他论文的参考书目中。我们证明了大量迭代后生成的网络的度分布是无标度的，并推导出幂律指数的表达式。在大使的数量总是常数$m$并且从每个大使选择的后代的数量是常数$l$的模型的特定情况下，幂律指数是$(2l+1)/l$。对于这个例子，我们推导出度分布和聚类系数的$l$和$m$的表达式。我们的结论是，所提出的模型可以调整到具有相同的幂律指数和聚类系数的广泛的无标度分布，已被实证研究。
2013-07-28 cs.SI physics.soc-ph
Modeling and Predicting Popularity Dynamics via Reinforced Poisson Processes
在一个复杂的进化系统中预测单个项目的流行动态的能力在一系列领域具有重要意义。在这里，我们提出了一个生成的概率框架，使用一个强化泊松过程模型明确的过程中，个别项目获得他们的知名度。该模型通过其对流行度到达过程的建模能力以及在预测单个项目的流行度方面的显着能力而区别于现有模型。它具有应用贝叶斯处理的灵活性，以进一步提高预测能力，使用共轭先验。在纵向引文数据集上的大量实验表明，该模型始终优于现有的流行度预测方法。
2014-01-04 cs.SI physics.soc-ph
Information Filtering via Collaborative User Clustering Modeling
在过去的几年里，推荐系统取得了巨大的成功，它可以显着地帮助用户找到个性化的项目，为他们从信息时代。最广泛应用的推荐方法之一是矩阵分解（MF）。然而，大多数关于这个主题的研究都集中在挖掘用户和项目之间的直接关系。在本文中，我们优化的标准MF整合用户聚类正则化项。我们的模型不仅考虑了用户项目的评级信息，但也考虑到用户的兴趣。我们比较了该模型与三个典型的其他方法：用户均值（UM），项目均值（IM）和标准MF。在真实数据集\emph{MovieLens}上的实验结果表明，该方法在推荐准确率上明显优于其他三种方法。
2014-02-10 cs.IR cs.SI physics.soc-ph
Academic collaborations and movements towards successful careers in physics
Maastricht University（马斯特里赫特大学）；Complexity Science Hub, Vienna（维也纳复杂科学中心）；Central European University（中欧大学）；Graz University of Technology（格拉茨工业大学）
研究探讨了学术合作网络演变如何影响物理学家长期职业成功和流动性，发现网络结构优化与科学产出正相关。
2026-02-25 physics.soc-ph
