Citation matching is a challenging task due to different problems such as the variety of citation styles, mistakes in reference strings and the quality of identified reference segments. The classic citation matching configuration used in this paper is the combination of blocking technique and a binary classifier. Three different possible inputs (reference strings, reference segments and a combination of reference strings and segments) were tested to find the most efficient strategy for citation matching. In the classification step, we describe the effect which the probabilities of reference segments can have in citation matching. Our evaluation on a manually curated gold standard showed that the input data consisting of the combination of reference segments and reference strings lead to the best result. In addition, the usage of the probabilities of the segmentation slightly improves the result.
Association between quality of clinical practice guidelines and citations given to their references
有人建议，不同类型的文件的文献计量学分析可能会揭示新的方面的研究业绩。在医学研究中，许多研究类型在研究过程中发挥着不同的作用，研究类型的证据水平与不同的引用率有关。这项研究的重点是临床实践指南，这些指南应该收集关于给定主题的最高证据，以便为从业者提供最佳建议。使用AGREE评分测量的临床实践指南的质量与这些指南中使用的参考文献的引用进行比较，因为假设更好的指南是基于更高引用的参考文献。AGREE评分是从对一些疾病和治疗的临床实践指南的评论中收集的。他们的参考文献来自Web of Science，引用计数使用面向项目的z得分和PPtop-10%指标进行标准化。两项引文指标与临床实践指南的AGREE评分呈正相关，并发现了一些潜在的混杂因素。虽然不能排除混杂因素，但结果表明确定的混杂因素的可能性较低。研究结果为引文分析提供了新的视角和应用。
On the causes of subject-specific citation rates in Web of Science
在文献计量学中众所周知，每篇论文的平均引用次数在不同学科之间存在很大差异。不同的引用文化（特别是每篇论文的平均引用次数不同，因此被引用的概率不同）被广泛认为是这种差异的原因。基于1990年，1995年，2000年，2005年和2010年发表的所有Web of Science（WoS）记录，我们证明了几乎所有学科在其论文的附录中显示出相似的参考文献数量。我们的研究结果表明，平均引用率的影响更大的程度上的论文（引用作为参考）被列入WoS作为链接的数据库记录。例如，人文学科相对较低的引用率根本不是每篇论文平均引用数量较低的结果，而是由引用WoS涵盖的核心期刊上发表的论文的链接引用比例较低造成的。
Reference Publication Year Spectroscopy (RPYS) in practice: A software tutorial
在国际科学计量学和信息计量学学会国际会议上组织题为“使用CRExplorer进行引文分析”的第三次讲习班期间，（ISSI 2021），我们准备了三个参考出版年光谱（RPYS）分析：（i）发表在Journal of Informetrics上的论文;（ii）关于altmetrics主题的论文;以及（iii）Ludo Waltman发表的论文（我们选择这位研究人员是因为他在ISSI 2021会议期间获得了Derek de Solla Price纪念奖章）。第一个RPYS分析已在研讨会上现场演示，第二个和第三个RPYS分析已留给与会者在研讨会后进行。在这里，我们提出了所有三个RPYS分析的结果。这三份分析报告显示，有一些重叠之处的开创性论文截然不同。科学计量学领域的许多基础论文（例如，出版物和引文的分布、引文网络和共引分析、以及以影响测量和研究评价为目的的引文分析）作为发表在Journal of Informetrics上的论文的开创性论文被检索。主要是论文与基于引用的影响力测量和altmetrics和引文之间的比较的缺陷进行了讨论，作为主题altmetrics的开创性论文检索。对Ludo Waltman发表的论文集的RPYS分析主要检索关于网络分析、引文关系和引文影响测量的论文。
Proof of Reference(PoR): A unified informetrics based consensus mechanism
文献计量学有助于分析研究影响力，以衡量研究质量。不同的书目数据库，如Scopus，Web of Science，Google Scholar等，用于评估出版物和引文的趋势。这些数据库中有些是免费的，有些是基于订阅的。哪种书目数据库更好，在什么条件下更好，这一直是有争议的。为了提供一个最佳的解决方案，多个书目数据库的可用性，我们已经实现了一个单一的真实数据库命名为“conflate”，可用于获取出版物和引文趋势的作者。为了进一步加强生成的数据库，并向利益攸关方提供透明的系统，建议建立一个共识机制“参考证据”。由于PoR中实施了三项基于同意的检查，我们认为它可以被视为计算作者统一信息指标的真实和诚实的引文数据源。
Overview of SCIDOCA 2025 Shared Task on Citation Prediction, Discovery, and Placement
RIKEN Center for Advanced Intelligence Project (AIP), Japan（日本先进情报项目研究所）；The Institute of Statistical Mathematics, Japan（日本统计数学研究所）；Japan Advanced Institute of Science and Technology（日本先进科学技术研究所）
Two tales of science technology linkage: Patent in-text versus front-page references
关于科学对技术发展有多大用处，人们经常争论不休，但我们对什么样的科学对技术更有用知之甚少。本文通过探索专利的价值（通过专利前瞻性引用和股票市场对专利发布的反应来衡量）如何取决于它所建立的科学论文的特征，特别是基础性，跨学科性，新颖性和科学引用，填补了文献中的这一空白。使用33，337个USPTO生物技术实用专利及其860，879篇对Web of Science期刊文章的文本引用的数据集，我们发现（1）引用科学论文数量的积极影响，（2）基本性的倒U形效应，（3）跨学科性的影响不显著，（4）新颖性的不连续和非线性效应，（5）科学引文对专利市场价值有正向影响，但对专利引文的影响不显著。此外，当它们是中等基础的，较少跨学科的，不太新颖的，并且被引用的次数较多时，文本中引用的论文有更高的机会被列在同一专利的头版上。因此，使用首页引用产生的结果与使用文本中引用的结果有很大不同。
Evaluation of the citation matching algorithms of CWTS and iFQ in comparison to Web of Science
文献计量研究小组，例如科学和技术研究中心和研究信息和质量保证研究所，提供的文献计量研究结果经常用于研究评估过程。他们的数据库使用Web of Science（WoS）引用数据，他们根据自己的匹配算法进行匹配-在CWTS的情况下用于他们研究中的标准使用，在iFQ的情况下用于实验。由于WoS中的不匹配引用问题由于参考文献中的不准确或数据提取过程中引入的不准确而持续存在，因此确定这些引用匹配算法中这些不准确的纠正程度是很重要的。本文评估的算法CWTS和IFQ相比，WoS在定量和定性分析。分析建立在方法和手动验证语料库的以前的研究。CWTS算法的性能最好，紧随其后的是iFQ。WoS算法仍然表现得很好（F1得分：96.41%），但在匹配包含不准确性的参考文献时表现出不足。另一个问题是WoS在源文章中错误地提供了引用的参考信息。
ParsRec: A Novel Meta-Learning Approach to Recommending Bibliographic Reference Parsers
Trinity College Dublin（都柏林圣三一学院）；Iconic Translation Machines Ltd.（Iconic翻译机器有限公司）
书目参考解析器从书目参考字符串中提取机器可读的元数据，如作者姓名、标题、期刊和年份。为了提取元数据，解析器应用解析或机器学习。但是，没有任何参考解析器和算法能够在每个场景中始终给出最佳结果。例如，一个工具可能是最好的提取标题在ACM引用风格，但只有第三最好的APA时使用。另一个工具可能最适合提取英文作者姓名，而另一个工具最适合噪声数据（即不一致的引用风格）。在本文中，这是我们最近的RecSys海报的扩展版本，我们从推荐系统和元学习的角度来解决参考解析的问题。我们提出了ParsRec，一个基于元学习的推荐系统，建议潜在的最有效的解析器为一个给定的参考字符串。ParsRec推荐10种开源解析器中的一种：Anystyle-Parser，Biblio，CERMINE，Citation，Citation-Parser，GROBID，ParsCit，PDFSSA 4 MET，Reference Tagger和Science Parse。我们对105，000篇化学参考文献评估了ParsRec。我们提出了两种元学习建议的方法。第一种方法学习整个引用字符串的最佳解析器。第二种方法为引用字符串中的每个元数据类型学习最佳解析器。第二种方法实现了F1（0.909 vs. 0.886）比最好的单一解析器（GROBID）增加2.6%，降低了20.2%的假阳性率（0.075 vs. 0.094），假阴性率降低了…
Unraveling the Ai2 Asta Scholarly Research Assistant Citation System
The iMetrics Lab. Department of Audiovisual Communication, Documentation and History of Art, Universitat Politècnica de València（瓦伦西亚理工大学）；Departament de Biblioteconomia, Documentació i Comunicació Audiovisual, Universitat de Barcelona（巴塞罗那大学）
An approach to the author citation potential: Measures of scientific performance which are invariant across scientific fields
引用潜力是被引用概率的度量。显然，科学、社会科学和人文科学领域之间的差异是不同的，因为跨学科的出版和引用行为存在系统性差异。过去，引用潜力是在期刊层面上研究的，考虑到已建立的期刊组的平均引用数量（例如，皇冠指标是基于Web of Science数据库中的期刊主题类别）。本文从三个不同的研究维度对作者的科学研究进行了描述：产出（期刊论文）、影响（期刊引用）和参考（文献来源）。然后，我们提出了不同的措施的基础上，这些方面的比例为作者的引用潜力。从CSIC研究中心（西班牙）随机挑选的四个学科领域的120名高产作者的实证应用表明，生产和影响维度之间的比率是对单个作者一级引用潜力的标准化衡量。此外，这一比率降低组间方差相对于组内方差的比例高于所分析的其他指标。此外，它与所使用的期刊影响力指标类型一致。这一结果的一个可能的应用是在跨学科机构的选拔和晋升过程中，因为它允许根据作者的具体科学研究进行比较。
Network Science Institute（网络科学研究所）；Northeastern University（东北大学）；Sabanci University（萨班哲大学）；Brigham and Women’s Hospital（布莱根妇女医院）；Harvard Medical School（哈佛医学院）；Central European University（中欧大学）
