Education journal rankings: A diversity-based Author Affiliation Index assessment methodology
本文提出纳入顶尖机构多样性的AAID指标，结合AAI与加权AAI评估263种SSCI教育期刊，发现其与JIF和ES相关性较低，为期刊声望评价提供新视角。
2023-10-10 cs.DL
Towards effective research recommender systems for repositories
在本文中，我们认为，为什么以及如何整合的推荐系统的研究，可以提高存储库的功能和用户体验。我们在CORE Recommender中展示了最新的技术创新，它在全球知识库和期刊网络中提供研究文章推荐。CORE Recommender最近已经重新开发，并在CORE系统中投入生产，还部署在几个第三方存储库中。我们解释了这个独特系统的设计选择以及我们为继续提高所提供建议的质量而制定的评估流程。通过借鉴我们的经验，我们讨论的主要挑战，提供一个国家的最先进的推荐解决方案的知识库。我们强调了当前存储库基础设施在开发研究推荐系统方面的两个关键限制：1）缺乏用于暴露匿名用户交互日志的标准化协议和能力，匿名用户交互日志表示对于基于协作过滤的推荐系统至关重要的输入数据，以及2）在存储库中缺乏自愿的全局登录能力，这将使得能够基于过去的用户交互来创建个性化的推荐和通知解决方案。
2017-05-01 cs.DL cs.IR
Microsoft Academic Automatic Document Searches: Accuracy for Journal Articles and Suitability for Citation Analysis
Microsoft Academic是一个免费的学术搜索引擎和引文索引，类似于Google Scholar，但可以自动查询。它的数据是潜在的有用的文献计量学分析，如果有可能有效地搜索个别期刊文章。本文通过检索标题、作者、出版年份和期刊名称的组合，比较了在其索引中查找期刊文章的不同方法，并使用结果对迄今为止期刊文章的Microsoft Academic引文计数进行了最广泛的相关性分析。基于2012年Scopus 323个子字段中的126，312篇文章，查找具有DOI的文章的最佳策略是按标题搜索它们并过滤掉那些具有不正确DOI的文章。这是90%的期刊文章。对于没有DOI的文章，最佳策略是按标题搜索它们，然后过滤掉具有不同元数据的匹配项。这发现了89%的期刊文章，还有1%的不正确匹配。其余的文章似乎主要没有被Microsoft Academic索引，或者用其标题的不同语言版本索引。从匹配来看，Scopus引用计数和Microsoft Academic计数的平均斯皮尔曼相关性为0.95，任何单一领域的最低相关性为0.63。因此，微软学术引文计数几乎普遍等同于Scopus引文计数的文章不是最近的，但结果中存在国家偏见。
2017-11-23 cs.DL
Implementing Recommendation Algorithms in a Large-Scale Biomedical Science Knowledge Base
在过去20年中，发表的生物医学研究文章数量翻了一番。基于搜索引擎的系统自然地以搜索为中心，但是研究人员可能没有一个明确的目标，或者目标可能以文献搜索引擎不能轻易回答的查询来表达，例如识别给定研究领域中最杰出的作者。发现过程可以通过为研究人员提供相关论文或正在处理相关工作的研究人员的建议来改进。在本文中，我们描述了几个推荐算法，实现了在Meta平台。Meta平台包含超过2700万篇文章，并且每天都在继续增长。它提供了一个在线的科学地图，实时的组织所有已发表的生物医学研究。最终目标是让研究人员更快、更容易地筛选科学论文，找到最重要的工作，并跟上新的研究成果。Meta生成并维护一个语义知识网络，该网络由以下核心实体组成：作者、论文、期刊、机构和概念。我们实现了几个推荐算法，并评估其效率在这个大规模的生物医学知识库。我们选择了可以利用Meta平台独特环境的推荐算法，例如那些利用不同数据集的推荐算法，例如引文网络、文本内容、语义标签内容和合著信息，以及那些可以扩展到非常大的数据集的推荐算法。在本文中，我们描述的推荐算法，实现和报告其相对效率和开发和部署生产推荐引擎系统的挑战。
2017-10-24 cs.DL
Global Research Trends in the Modern Language Journal from 1999 to 2018: A Data-Driven Analysis
本文对1999至2018年《现代语言杂志》的2564篇文献进行科学计量分析，揭示其发文趋势、高影响力作者与机构及国家分布，发现美国发文占比最高，爱荷华大学为最高产机构。
2021-02-19 cs.DL
PreprintToPaper dataset: connecting bioRxiv preprints with journal publications
GESIS - Leibniz Institute for the Social Sciences（GESIS - 莱布尼茨社会科学研究所）；Warsaw University of Technology（华沙理工大学）
PreprintToPaper数据集通过连接bioRxiv预印本与期刊出版物，分析预印本到出版物的过程，包含145517条记录及版本历史，用于研究学术交流和开放科学政策。
2026-02-17 cs.DL
A Recommender System to Support the Scholarly Communication Process
研究人员、文章、期刊、会议、资助机会和其他此类学术资源的数量每年都在持续增长，而且速度越来越快。许多服务已经出现，以支持学者在这个资源丰富的环境中导航的特定方面。一些商业出版商为他们的数字图书馆中的文章和期刊提供推荐和提醒服务。类似地，许多非商业性的社会书签服务也出现了，用于引用共享。虽然这些服务确实提供了一些支持，但它们缺乏对研究人员每天面临的各种问题解决方案的理解。举几个例子，示例场景包括当学者搜索与另一篇感兴趣的文章相关的文章时，当学者搜索潜在的合作者以获得资助机会时，当学者搜索提交其文章的最佳地点时，以及当学者以编辑的角色搜索评审文章的推荐人时。所有这些示例场景都可以表示为借助于上下文敏感的推荐的信息过滤中的问题。本文介绍了一个上下文敏感的推荐系统，以支持学术交流的过程中，是基于标准和技术的语义Web倡议。
2009-05-11 cs.DL cs.IR
The Leaky Pipeline in Physics Publishing
女性在物理系的高级职位中所占的比例越来越小，这种现象被称为“泄漏管道”。“虽然解决这个问题一直是学术机构的优先事项，但各种泄密来源阻碍了这方面的努力。在本文中，我们确定了一个偏见可能有助于泄漏管道。我们分析了美国物理学会（APS），物理研究的领先出版商提供的书目数据。通过从名字推断作者的性别，我们能够衡量过去几十年女性作者的比例。我们发现，更有选择性，更高的影响力APS期刊有较低的分数女性作者相比，其他APS期刊。纠正这种偏见可能会帮助更多的女性在著名的APS期刊上发表文章，从而有助于改善她们的学术晋升情况。
2020-10-18 cs.DL physics.soc-ph
Ontology-Based Recommendation of Editorial Products
The Open University（开放大学）；Springer-Verlag GmbH（施普林格-维尔格有限公司）
主要的学术出版商需要能够分析其庞大的产品目录，并选择最好的项目在科学场所销售。这是一项复杂的工作，需要高度精确地描述数千本书的主题，并将其与相关社区的兴趣相匹配。在Springer Nature中，这项任务传统上由出版编辑手动处理。然而，科学出版物数量的快速增长和计算机科学领域的动态特性使得这种解决方案越来越低效。我们通过创建智能图书推荐器（SBR）来解决这个问题，SBR是开放大学与施普林格·自然合作开发的基于本体的推荐系统，支持他们的计算机科学编辑团队选择产品在特定场所销售。SBR通过利用约27K编辑产品的语义增强表示来推荐与会议相关的书籍、期刊和会议记录。这是基于计算机科学本体论，一个非常大规模的，自动生成的分类研究领域。SBR还允许用户调查为什么系统建议某个出版物。它通过一个交互式图形视图来实现这一点，该视图显示推荐的编辑产品的主题分类，并将其与输入会议的以主题为中心的特征进行比较。由七位Springer Nature编辑和七位研究人员进行的评估证实了该解决方案的有效性。
2021-03-24 cs.AI cs.DL cs.IR
A Knowledge Graph Embeddings based Approach for Author Name Disambiguation using Literals
FIZ Karlsruhe - Leibniz Institute of Technology（卡尔斯鲁厄专业信息中心——莱布尼茨技术研究所）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；University of Bologna（博洛尼亚大学）
学术数据不断增长，包含来自大量场所的文章信息，包括会议，期刊等。许多举措已被采取，使学术数据作为知识图谱（KG）。这些努力，以标准化这些数据，使他们访问也导致了许多挑战，如探索的学术文章，模棱两可的作者，等本研究更具体地针对问题的作者姓名消歧（AND）的学术KG，并提出了一种新的框架，字面上的作者姓名消歧（土地），它利用知识图谱嵌入（KGEs）使用多模态文字信息从这些KG。该框架基于三个组成部分：1）多模态KGE，2）分块过程，以及最后，3）层次凝聚聚类。对两个新创建的KG进行了广泛的实验：（i）KG包含1978年以来Scientometrics Journal的信息（OC-782 K），以及（ii）从AMiner提供的AND的知名基准中提取的KG（AMiner-534 K）。结果表明，我们提出的架构在F1得分方面优于我们的基线8-14%，并在具有挑战性的基准测试（如AMiner）上显示出具有竞争力的性能。代码和数据集分别通过Github：https://github.com/sntcristian/and-kge和Zenodo：https://doi.org/10.5281/zenodo.6309855公开提供。
2022-06-01 cs.AI cs.CL cs.DL
Topic Space Trajectories: A case study on machine learning literature
University of Kassel（卡塞尔大学）；L3S Research Center（L3S研究中心）
每年在科学场所，例如会议和期刊上发表的出版物数量正在迅速增长。因此，即使对于研究人员来说，跟踪研究主题及其进展也变得越来越困难。在这项任务中，研究人员可以得到自动出版物分析的支持。然而，许多这样的方法导致无法解释的纯数字表示。作为一种尝试，以支持人类分析师，我们提出的主题空间轨迹，一个结构，允许理解跟踪的研究主题。我们展示了如何这些轨迹可以解释的基础上，八种不同的分析方法。为了获得可理解的结果，我们采用非负矩阵分解以及合适的可视化技术。我们展示了我们的方法在32个出版场所的机器学习研究的出版语料库上的适用性。我们的新分析方法可以用于论文分类，预测未来的研究主题，并推荐合适的会议和期刊提交未发表的工作。
2021-05-18 cs.DL cs.LG
Fast Linking of Mathematical Wikidata Entities in Wikipedia Articles Using Annotation Recommendation
数学信息检索（MathIR）应用（例如语义公式搜索和问答系统）依赖于将数学表达式链接到其自然语言名称的知识库。对于数据库填充，需要对数学公式进行注释并将其与语义概念相关联，这是非常耗时的。在本文中，我们提出了我们的方法来结构化和加速这一过程，通过支持注释者的系统，建议公式名称和数学标识符的含义。我们测试我们的方法注释25篇文章在https://en.wikipedia.org上。我们评估的质量和节省时间的注释建议。此外，我们观察编辑器对维基百科公式实体链接和维基数据条目创建和填充的回复和评论，以建立公式语义。我们的评估表明，人工智能指导能够显著加快注释过程，公式为1.4，标识符为2.4。在一个月的测试窗口内，我们的贡献在12%的编辑过的维基百科条目和33%的维基数据条目中被恢复。>>AnnoMathTeX<<注释推荐系统由Wikimedia在https://annomathtex.wmflabs.org托管。将来，我们的数据细化管道可以无缝集成到维基百科的用户界面中。
2021-04-11 cs.DL
Publishing Without Journals: An Open, Forkable Archive with Attributed Review
University of Washington（华盛顿大学）
研究指出期刊承担多项任务却效果不佳，提议将传播与认证分离，作者存论文于开放存档，通过署名公开评论认证，论文可版本控制、读者可分叉，整合各部分成取代期刊的平台并回应反对意见。
2026-07-21 cs.CY cs.DL cs.SI
Whose Name Comes Up? Auditing LLM-Based Scholar Recommendations
本研究审计六个开放权重LLM在物理学者推荐中的表现，发现模型存在一致性差、格式错误及性别、种族和资历偏见，且偏向高被引学者，需改进以实现公平推荐。
2025-09-10 cs.AI cs.CY cs.DL
The Evolutions of the Rich get Richer and the Fit get Richer Phenomena in Scholarly Networks: The Case of the Strategic Management Journal
了解科学家如何发展新的科学合作或他们的论文如何获得新的引用是科学计量学的一个主要挑战。该方法通过分析富者愈富和适合者愈富现象的演变，同时考察了合著和引文网络的成长过程。特别是，优先附件功能和作者适合度，这两种现象，估计非参数化在每个网络。将该方法应用于战略管理科学界的旗舰期刊《战略管理期刊》的合著和引文网络。结果表明，上述现象一直在控制这两个时间网络。合著网络中的依恋指数平均值为0.30，而引文网络中的依恋指数平均值为0.29。这表明，富人越来越富的现象在这两个网络中都很弱。两个网络中作者适应度分布的右尾都很重，这意味着每个作者的内在科学素质在获得新的引文和新的合作作者方面起着至关重要的作用。由于每个时间网络中的总竞争力随着时间的推移而上升，因此接收新的引用或开发新的合作变得越来越困难。分析平均能力，我们发现，平均而言，虽然退伍军人往往更有能力发展新的合作，新人可能更好地获得新的引用。此外，作者在这两个网络中的适应度与战略管理科学共同体的历史是一致的。这表明，在不同的网络耦合节点的适应度可能是一个有前途的新方向，同时分析多个网络。
2018-04-27 cs.DL cs.SI physics.soc-ph
Motif-based success scores in coauthorship networks are highly sensitive to author name disambiguation
根据Krumov等人的工作[Eur.物理学杂志B 84，535（2011）]，我们重新审视的问题是否使用大型引文数据集允许定量评估社会（通过合著的出版物）对科学进步的影响。应用一个更全面和精心策划的数据集，其中包含整个20世纪美国物理学会期刊上的出版物，我们发现，在原始研究中选择的措施，基于小诱导子图的分数，必须谨慎使用，因为所获得的结果对作者消歧任务的准确实施高度敏感。
2014-10-02 cs.DL cs.SI physics.soc-ph
