A review of the literature on citation impact indicators
引文影响力指标在当今学术评价中发挥着重要作用，因此在文献计量学和科学计量学文献中受到了广泛的关注。本文提供了一个深入的文献综述引文影响指标。首先，概述了可用于计算引文影响指标的书目数据库（Web of Science，Scopus和Google Scholar）的文献。接下来，选定的主题在文献中的引用影响指标进行了详细审查。第一个专题是选择纳入引文影响指标计算的出版物和引文。第二个主题是引文影响指标的标准化，特别是领域差异的标准化。论文的第三个主题是合著论文的统计方法，最后一个主题是期刊的引文影响指标。最后，本文提出了一些建议，为今后的研究。
2016-02-25 cs.DL
SciRAG: Adaptive, Citation-Aware, and Outline-Guided Retrieval and Synthesis for Scientific Literature
Shanghai Jiao Tong University（上海交通大学）；Yale University（耶鲁大学）；NYU Shanghai（纽约大学上海分校）；TCS Research（TCS研究）
针对现有科学文献RAG方法忽略引用结构、适配性差、合成内容难验证的问题，本文提出开源框架SciRAG，通过自适应检索、引用感知推理、大纲引导合成三项创新，在多个基准上取得了更优的事实准确性与合成质量。
2025-11-18 cs.CL cs.DL
Is together better? Examining scientific collaborations across multiple authors, institutions, and departments
合作是科学研究和出版的一个组成部分。在过去，大规模语料库的访问限制了合作问题的调查方式。然而，随着数据/元数据质量和访问的改善，有可能以超越传统的多作者定义的方式探索研究合作的想法。在本文中，我们通过三种不同的合作视角来研究科学工作：多个作者，多个机构和多个部门。我们相信这是多个部门合作的第一次尝试，因为我们采用了广泛的数据整理来消除近70，000篇科学论文作者的部门隶属关系。然后，我们比较了不同协作定义的引文指标，发现定义为协作的论文比非协作论文被引用的频率更高，无论使用的协作定义如何。我们还分享了通过分析相似领域（由共同引用确定）在作品（由共同作者确定）上合作的程度来检查共同引用和共同作者之间关系的初步结果。这些初步结果显示了机构内合作的条块分割趋势，并显示出扩大的希望。
2018-09-11 cs.DL cs.SI
Self-citation and its impact on research evaluation: Literature review. Part I
本文对自引对科研评价影响的研究进行了综述。我们介绍了自引及其变体的广义定义：作者，机构，国家，期刊，学科，出版商自引。给出了基本自引测度的计算公式，即自引数和自引率。作者，机构，国家和期刊自引的世界文献进行了更详细的研究。目前的自引的作用和影响的观点进行了汇编和分析。研究发现：（1）自引过多是病态的，自引的缺失是病态的;（2）自引对大型科研单位的影响不大，但对个体研究者的分析可能是关键的;（c）文献计量学成绩低的单位自引的比例一般较高，而顶尖科学家，机构，期刊的大部分引用来自外部。本文还讨论了文献计量工具和数据库如何应对自引可能带来的操纵挑战，以及它们如何校正由它们计算的文献计量指标。本文的第一部分介绍了自引的基本术语和定义，以及讨论和研究最多的自引类型，即作者自引。该论文由RFBR资助，项目编号为20-111-50209
2021-09-19 cs.DL
Author-choice open access publishing in the biological and medical literature: a citation analysis
在这篇文章中，我们分析了2003年至2007年在11种生物和医学期刊上发表的文章的引文，这些文章采用作者选择开放获取模式。控制已知的引文解释性预测因子，11种期刊中只有2种显示出积极和显著的开放获取效应。综合分析所有期刊，我们发现论文引用量小幅但显著增加了17%。此外，有强有力的证据表明，开放获取的优势正在以每年约7%的速度下降，从2004年的32%下降到2007年的11%。
2008-12-12 cs.DL
Exploring Citation Diversity in Scholarly Literature: An Entropy-Based Approach
本研究通过基于熵的多样性度量方法分析不同国家、学科、机构及性别科学家的引文多样性模式，发现经济规模不同的国家聚类相似、获奖科学家及性别间存在显著差异，为评估引文分布提供了超越传统计数的新工具。
2025-04-02 cs.DL physics.soc-ph
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
CitNetExplorer: A new software tool for analyzing and visualizing citation networks
我们提出CitNetExplorer，一个新的软件工具，用于分析和可视化科学出版物的引文网络。例如，CitNetExplorer可用于研究研究领域的发展，描述研究主题的文献，并支持文献综述。我们首先介绍使用CitNetExplorer时需要理解的主要概念。然后，我们演示CitNetExplorer使用该工具来分析科学计量学文献和文献的社区发现在网络中。最后，我们讨论了CitNetExplorer中引文网络的构建、可视化和分析的一些技术细节。
2014-04-21 cs.DL cs.SI physics.soc-ph
Multi-Disciplinary Dataset Discovery from Citation-Verified Literature Contexts
L3S Research Center（L3S研究所以）
本文提出了一种基于文献引用上下文的数据集发现方法，通过结合大规模引用提取、模式引导识别和大型语言模型，实现了比现有搜索引擎更高的召回率，并揭示了额外高实用性的数据集。
2026-01-08 cs.CL cs.DL cs.IR
Density, asymmetry and citation dynamics in scientific literature
New York University（纽约大学）；Northwestern University（西北大学）
研究论文与已有研究的语义相似性对引用率的影响，提出密度($ρ$)和不对称性($α$)指标，发现密度能适度提升引用预测效果而不对称性无显著作用，为文档嵌入与科学计量学提供了可扩展框架。
2025-06-29 cs.CL cs.DL cs.SI
Group-Based Trajectory Modeling of Citations in Scholarly Literature: Dynamic Qualities of "Transient" and "Sticky Knowledge Claims"
基于组的轨迹建模（GBTM）应用于6种期刊中的文章的引用曲线和单个科学领域（病毒学，24种期刊）中的所有可引用项目，以区分亚群中的发展轨迹。高被引的引文模式能否在早期阶段被区分为“快速突破”论文？“大器晚成者”或“睡美人”能被识别吗？最有趣的是，我们发现了“粘性知识主张”和“瞬时知识主张”之间的差异，前者在出版后十多年继续被引用，后者在几年内达到峰值后显示出衰减模式。只有遵循“粘性知识主张”轨迹的论文才有望产生持续的影响。这些发现对两三年后使用汇总引用率的“卓越”指标提出了质疑（例如，影响因素）。因为聚合的引文曲线也可以是两种模式的组合，所以需要五阶多项式（有四个弯曲点）来精确地捕获引文曲线。对于研究中的期刊，最常被引用的群体远小于10%。虽然GBTM已被证明是一种有用的方法来调查引文轨迹之间的差异，该方法并不能使我们能够在不同的领域和期刊中归纳地定义高被引论文的百分比。使用多项逻辑回归，我们得出结论，预测变量，如期刊名称，作者人数等，不影响知识主张在引用方面的粘性，而只影响聚合引用的水平（特定领域）。
2013-04-30 cs.DL
LitFM: A Retrieval Augmented Structure-aware Foundation Model For Citation Graphs
University of Electronic Science and Technology of China（电子科技大学）；Yale University（耶鲁大学）
LitFM是一种基于检索增强的结构感知文献基础模型，通过整合引用图结构和知识注入的LLM，提升文献检索和相关性评估的准确性。
2025-12-18 cs.DL cs.SI
The narrowing of literature use and the restricted mobility of papers in the sciences
随着时间的推移，越来越少的学术文献是否占据了大多数参考文献，这是一个有争议的问题。人们也不太清楚，缩小文学的使用范围会如何影响科学思想的传播。在这里，我们表明，随着时间的推移，科学文献的利用遵循双重趋势：虽然较大比例的文献至少被引用了几次，但引用也更多地集中在引用分布的顶部。与后一种趋势相平行的是，一篇论文未来的重要性越来越取决于其过去的引用表现。随机网络模型表明，引文集中度与引文绩效的稳定性直接相关。证据表明，越来越多的异质性的引用影响限制了流动性的研究文章，不获得关注的早期。虽然浓度增长从1970年开始的研究期间，引用分散显着表现出只有从20世纪90年代中期，当流行的新发表的论文也上升。最有可能的是，传播论文的先进信息技术是后两种趋势的背后。
2022-04-28 cs.DL cs.SI physics.soc-ph
Core Elements in the Process of Citing Publications: A Conceptual Overview of the Literature
这项研究提供了一个概念性的文献处理过程中引用文件（侧重于最近十年的文献）的概述。它提出了理论，已提出解释引用过程，并进行了实证分析这一过程的研究。概述被称为概念性的，因为它是基于引用过程中的核心要素构建的：被引用文档的上下文，从选择到引用文档的过程，以及引用文档的上下文。核心要素以示意图的形式呈现。该概述可用于回答有关引用文件实践的基本问题。除了理解引文的过程外，它还为引文在研究评价中的正确应用提供了基本信息。
2018-01-09 cs.DL
Scientific citations in Wikipedia
基于互联网的百科全书维基百科已经发展成为互联网上访问量最大的网站之一。然而，批评者质疑条目的质量，一项实证研究表明维基百科在2005年的科学条目样本中包含错误。有偏见的报道和缺乏来源是“维基百科的风险”。目前的工作描述了一个简单的评估，这些方面通过检查出站链接从维基百科的文章在科学期刊的文章与期刊引文报告，如影响因子的期刊统计数据进行比较。结果表明，越来越多的使用结构化的引用标记和良好的协议，在科学文献中看到的引用模式，虽然有轻微的倾向，引用高影响力的期刊，如自然和科学的文章。这些结果增加了人们对维基百科作为一个良好的科学信息组织者的信心。
2007-05-15 cs.DL cs.IR
Co-citations in context: disciplinary heterogeneity is relevant
科学文献的引文分析已被用于研究和界定学科界限，追踪知识的传播，并估计影响。共引，即成对出版物被引用的频率，提供了对文档如何相互关联和跨领域的洞察。共引分析已被用于表征传统或创新的先前工作的组合，并得出高引用出版物的特征。考虑到科学被组织成学科，一个关键问题是这种分析对参照系的敏感性。我们的研究探讨了这个问题，使用语义为主题的引文网络。我们观察到，在科学文献中报道的趋势并不适用于集中的引文网络，我们得出结论，使用共引分析和随机图模型推断新颖性受益于学科背景。
2019-09-18 cs.DL
Automatic Detection of Reuses and Citations in Literary Texts
University Pierre and Marie Curie（皮埃尔和玛丽·居里大学）；Université Paris-Sorbonne（巴黎索邦大学）；Université Charles de Gaulle, Lille 3（夏尔·戴高乐大学里尔三大）
四十多年来，现代文学理论（Compagnon，1979）一直坚持释义、重写、引用、相互借用和任何形式的相互贡献的作用。互文性、互文性、超文/下文性等概念在七八十年代被引入来研究这些现象。对这些参考文献的仔细分析对于评估创作者自愿引入的与他/她的主人的距离特别感兴趣。Phoebus是一个合作项目，让皮埃尔和玛丽居里大学（LIP 6-UPMC）的计算机科学家与巴黎索邦大学的文学团队合作，旨在开发利用现代计算机科学技术进行文学研究的有效工具。在这种情况下，我们已经开发了一个软件，自动检测和探索网络的文本重用在古典文学。本文介绍的原则是基于这个程序，已经取得的重大成果，并在不久的将来的前景。
2014-04-11 cs.CL cs.DL
Tweeting biomedicine: an analysis of tweets and citations in the biomedical literature
社交媒体平台收集的数据最近被引入作为一个新的指标来源，以帮助衡量学术研究的影响，补充传统的基于引用的指标。与学术内容相关的社交媒体活动产生的数据可用于反映广泛类型的影响。本文旨在提供有关Twitter被用于传播生物医学和生命科学期刊文章的频率的系统性证据。该分析基于PubMed和Web of Science（WoS）涵盖的一组140万份文件，并在2010年至2012年期间发表。分析了包含这些文件链接的推文数量，以评估某些期刊，学科和专业在Twitter上的代表程度。它表明，只有不到10%的PubMed文章在Twitter上被提及，其吸收率一般较低。tweets和WoS引用之间的关系进行了检查，为每个文件在期刊和专业的水平。研究结果表明，不同期刊和专业的研究者的推文行为存在差异，推文与引文之间的相关性较低，这意味着基于推文的影响力指标与基于引文的影响力指标存在差异。一个框架，利用覆盖的文章和Twitter的提及和引用之间的相关性，提出了促进新的基于社交媒体的指标的评估，并阐明了在多大程度上的推文的数量是一个有效的指标来衡量研究的影响力的问题。
2013-08-08 cs.DL
When Large Language Models Meet Citation: A Survey
Macquarie University（麦考瑞大学）；Wuhan University（武汉大学）；Nanyang Technological University（南洋理工大学）；CSIRO’s Data61（澳大利亚联邦科学与工业研究组织Data61）；University of New South Wales（新南威尔士大学）；The University of Adelaide（阿德莱德大学）
本文综述了大型语言模型与引文分析的互利关系，涵盖LLMs在引文分类、摘要和推荐中的应用，以及利用引文链接知识改进LLMs文本表示的方法，并展望了未来研究方向。
2023-09-18 cs.CL cs.DL
On the Heterogeneous Distributions in Paper Citations
学术论文一直是传播专门知识的主角。自然，论文引文模式分析是考察科技知识结构的一种有效而必要的方法。几十年来，人们已经观察到，科学文献的引用遵循异质和重尾分布，其中许多建议幂律分布，对数正态分布和相关分布。然而，许多研究仅限于小规模的方法，因此，很难概括。为了克服这个问题，我们通过系统分析1996年至2016年发表的42，423，644篇科学文献的整个引文历史，调查了21年的引文演变。我们在Scimago Journal & Country Rank（SJR）分类方案的三个不同级别中测试了科学文献的六个候选分布。首先，我们观察到，除了出版的第一年，所有学科的年度引文收购的原始数量往往遵循对数正态分布。我们还发现，每年获得的引文数量之间的期刊，这表明，它是必要的，以消除从期刊的声誉继承的引文盈余显着的差异。我们的简单方法分离的引用偏好的个别文章从继承的引用期刊揭示了一个意想不到的规律性，在规范化的年度收购的引用在整个科学领域。具体而言，归一化的年度引文采集具有幂律概率分布，指数截止值约为2.3，无论其出版和引用年份如何。我们的研究结果表明，期刊声誉有一个实质性的长期影响的引用。
2018-10-20 cs.DL physics.soc-ph
A Glimpse of the First Eight Months of the COVID-19 Literature on Microsoft Academic Graph: Themes, Citation Contexts, and Uncertainties
随着世界各地的科学家寻找致命大流行背后的压倒性未知因素的答案，有关COVID-19的文献呈指数级增长。以如此快速的速度跟上文学的主体，不仅对活跃的研究人员，而且对整个社会都构成了重大挑战。虽然已经公开提供了许多数据资源，但分析和综合过程对于有效浏览大量不确定性程度较高的信息至关重要，这仍然是一个重大瓶颈。我们介绍了一种通用方法，在处理研究领域（如COVID-19）在多个粒度级别上快速增长的情况时，该方法有助于数据汇集和意义构建过程。该方法集成了结构和时间模式的分析，在学术出版物的主题浓度和类型的不确定性，可能会提供额外的洞察未知的复杂性的划定。我们展示了该方法在COVID-19文献研究中的应用。
2020-09-17 cs.DL
Scientific document summarization via citation contextualization and scientific discourse
Georgetown University（乔治城大学）
科学文献的快速增长使研究人员难以快速了解各自领域的发展。科学文献摘要通过提供科学论文重要贡献的摘要来应对这一挑战。我们提出了一个利用引文和科学语篇结构的科学文摘框架。引文文本往往缺乏证据和上下文来支持被引用论文的内容，有时甚至是不准确的。我们首先解决的问题，从被引用的论文中找到相关的上下文的引用文本的不准确性。我们提出了三种基于查询重构、词嵌入和监督学习的上下文引用方法。然后，我们训练一个模型来识别每个引用的话语方面。最后，我们提出了一种利用分面引文及其相应的上下文来总结科技论文的方法。我们在生物医学和计算语言学领域的两个科学摘要数据集上评估了我们提出的方法。广泛的评估结果表明，我们的方法可以提高了最先进的大幅度。
2017-06-12 cs.CL cs.DL
Citations versus journal impact factor as proxy of quality: Could the latter ever be preferable?
近年来，文献计量学家越来越关注研究评价方法问题，其中包括选择最合适的指标来评价科学出版物的质量，从而评价单个科学家，研究小组和整个组织的工作。许多文献致力于分析各种指标的稳健性，许多作品警告使用容易获得且相对简单的代理（如期刊影响因子）的风险。目前的工作继续这一研究路线，审查是否有效的影响因素的使用应始终避免有利于引用，或是否可以接受的影响因素的使用，甚至更可取的，在某些情况下。评价是通过观察意大利各大学2004-2007年期间在硬科学方面的所有科学出版物进行的。在不断变化的质量指标和观察年数的情况下进行了业绩敏感性分析。
2018-11-05 cs.DL
Librarian-in-the-Loop: A Natural Language Processing Paradigm for Detecting Informal Mentions of Research Data in Academic Literature
University of Michigan（密歇根大学）；ICPSR（校际政治与社会研究联盟）
数据引用为研究数据影响提供了基础。数据引文的收集与管理是档案学和学术交流的一个新领域。然而，研究数据引用的发现和管理是劳动密集型的。引用唯一标识符（即DOI）的数据引用很容易找到;然而，对研究数据的非正式提及更难推断。我们提出了一个自然语言处理（NLP）的范例，以支持人类的任务，确定非正式提到的研究数据集。发现非正式数据提及的工作目前由跨大学政治和社会研究联盟（ICPSR）的图书馆员及其工作人员执行，这是一个大型社会科学数据档案馆，维护着大量与数据相关的文献书目。NLP模型是从ICPSR的图书馆员积极收集的数据引用中引导出来的。该模型将模式匹配与人类注释的多次迭代相结合，以学习用于检测非正式数据提及的其他规则。然后使用这些示例来训练NLP管道。图书馆员在循环范式以ICPSR图书馆员执行的数据工作为中心，支持更广泛的努力，以建立更全面的数据相关文献书目，反映研究数据用户的学术社区。
2022-03-10 cs.CL cs.DL cs.HC
The role of geographic proximity in knowledge diffusion, measured by citations to scientific literature
本文分析了地理距离对知识流动的影响，通过引用科学出版物来衡量。以前使用相同方法的作品仅限于单一学科。在这项研究中，我们分析了意大利在2010-2012年期间成熟的所有学科的科学生产。为了计算引用和被引用出版物之间的地理距离，每个出版物都与作者所属的“流行”地区相关联。使用普通最小二乘回归估计的重力模型的应用结果表明，尽管信息技术的传播，地理距离仍然是领土之间知识流动过程中的一个影响因素。特别是，分析表明，地理距离对知识流动的影响在国家一级很大，在大陆一级不可忽略，但在洲际一级完全无关紧要。
2020-02-03 cs.DL physics.soc-ph
Science of science -- Citation models and research evaluation
本文回顾引文模型与研究评价文献，指出研究质量不可观测是根本问题，并强调因果推理对理解和使用指标的关键意义。
2025-05-09 cs.DL physics.soc-ph
BibAgent: An Agentic Framework for Traceable Miscitation Detection in Scientific Literature
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Worcester Polytechnic Institute（沃斯特理工学院）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
BibAgent是一种用于科学文献中可追溯误引检测的代理框架，通过整合检索、推理和自适应证据聚合，实现高效且透明的引文验证。
2026-01-30 cs.AI cs.DL
First Author Advantage: Citation Labeling in Research
科学计量学的主要研究对象是研究论文之间的引文及其形成的网络。引用的行为反映了引用者对相关文献和被引用作品的了解。我们的目标是通过研究引用键来深入了解这一过程：用户选择标签来识别被引用的作品。我们的主要观察结果是，第一作者在这些标签中的比例不成比例，这意味着对第一作者的强烈心理偏见。
2013-10-07 cs.DL
The Arabic Citation Index -- Toward a better understanding of Arab scientific literature
本文介绍了2020年推出的阿拉伯引文索引（ARCI）数据库，通过分析其收录的138,283篇文献的分布特征与主题结构，探讨了其在科研评价中的应用价值与未来研究机会。
2023-04-23 cs.DL
The Impact of Social Media in Learning and Teaching: A Bibliometric-based Citation Analysis
本文通过基于文献计量学的引文分析，对社交媒体在学习和教学中的影响进行了系统的文献综述。该综述的目的是绘制当前文献的演变图，并确定最有影响力的期刊，作者和文章的主要知识来源。从Scopus数据库中选择了50篇最相关的文章，进行了详细的引文分析。本研究探讨了社会化媒体研究涉及学习和研究的整体理论基础，并通过引文分析确定了过去四年来社会化媒体研究的主要知识来源和论文，揭示了研究趋势。对引文数据的分析表明，《国际管理教育杂志》是社交媒体在学习和教学研究方面的领先期刊。作者Abdullah Z在出版物总数、总引用数和h指数方面是该领域的主要作者，而被引用最多的文章是Baaran S。作者：Bapitha L.这项研究的贡献是清楚地概述了目前的知识状态，关于社会媒体在学习和教学服务的文献。
2022-09-22 cs.CY cs.DL cs.SI
Telling the Early Story of Solar Energy Meteorology by Applying (Co-Citation) Reference Publication Year Spectroscopy
通过分析出版记录和主题和/或关键词搜索与完整的参考出版年份光谱学（RPYS）研究研究领域的历史已被引入作为一个强大的工具，以确定相应的根出版物。然而，对于一个相当新的和跨学科的研究领域，如太阳能气象学（SEM），这种方法是不可行的，以获得一个合理的详尽的出版物集。因此，我们将其变体RPYS-CO应用于与一个非常重要的标记论文共同引用的所有出版物，使用CRExplorer绘制和检查引用参考文献数量的谱图。研究其高峰和他们的主要贡献出版物，我们得到了一个开创性的论文列表，这些论文能够充分地告诉我们SEM到20世纪90年代的故事。一般来说，我们推荐这种方法来获得（新）研究领域的有价值的见解。
2019-05-29 cs.DL
Measuring Metrics - A forty year longitudinal cross-validation of citations, downloads, and peer review in Astrophysics
引用度量和更新的altmetric度量（如下载量）现在通常用于为人事决策提供信息。这些指标能在多大程度上衡量或预测一个人过去、现在或未来的学术表现？使用史密森/NASA天体物理数据系统的数据，我们分析了1972-1976年期间获得美国天文学博士学位的922人的出版，引用，下载和区别历史。通过在同一时间和不同时间对同一个体进行相同和不同的测量，我们能够显示每个测量的能力和局限性。由于分布是对数正态的测量不确定性是乘法，我们表明，为了以95%的置信度，一个人的引用和/或下载量显着高于另一个人的状态，计数的比率的对数差必须至少为0.3德克斯，这对应于一个乘法因子为2。
2015-10-30 astro-ph.IM cs.DL physics.soc-ph
How Deep Do Large Language Models Internalize Scientific Literature and Citation Practices?
Vrije Universiteit Brussel（布鲁塞尔自由大学）；KU Leuven（鲁汶大学）；Harvard University（哈佛大学）
本研究分析了GPT-4o生成的274,951条参考文献，发现LLMs在生成参考文献时系统性地偏好高被引论文，强化了马太效应，并偏好更近期、标题更短且作者更少的文献，揭示了LLMs对科学引用实践和发现轨迹的潜在影响。
2025-04-03 cs.AI cs.DL cs.LG
Is scientific literature subject to a sell-by-date? A general methodology to analyze the durability of scientific documents
文献的引文历史和老化的研究是从几个角度讨论的主题，特别是在分析延迟识别或睡美人的文献中。然而，没有一种通用的方法可以广泛应用于不同的时间段和/或研究领域。本文提出了一种新的科学论文老化和耐久性综合分析方法。该方法将文献分为三种类型：延迟文献，其引用的主要部分晚于正常文献;昙花一现，其在出版后立即收到引用，但长期不被引用;正常文献，随着时间的推移具有典型的引用分布的文献。考虑到Web of Science中至少有5次外部引用（即不考虑自引）的整个文档群体，对这三种类型的耐久性进行了分析。已经发现了与三种类型的耐久性相关的几种模式，并讨论了所开发的方法的进一步研究的潜力。
2009-07-09 cs.DL physics.data-an physics.soc-ph
A Systematic Literature Review of Retrieval-Augmented Generation: Techniques, Metrics, and Challenges
本综述系统分析了2020至2025年5月间128篇高被引RAG研究，总结其技术、评估实践与挑战，并指出未来研究方向。
2025-09-09 cs.AI cs.CL cs.DL
Citing for High Impact
引用行为的问题一直吸引着来自不同学科的科学家。虽然一般的引用模式已被广泛研究的文献中，我们开发的概念，通过调查的引用之间的出版物，一个给定的论文引用的引用投影图。我们研究了不同科学学科之间的引文模式如何变化，以及这些模式如何反映论文的科学影响。我们发现，特质的引用模式是低影响力论文的特点，而狭窄的，以学科为重点的引用模式是常见的中等影响力的论文。我们的研究结果表明，跨社区或桥接引用模式是高风险和高回报的，因为这种模式是低影响力和高影响力论文的特征。最后，我们观察到，最近引文网络的趋势是更多的桥接和跨学科的形式。
2010-04-20 cs.DL
Data-mining the Foundational Patents of Photovoltaic Materials: An application of Patent Citation Spectroscopy
我们将专利引用光谱（PCS）-最初作为参考出版年光谱学开发，用于研究科学文献中的里程碑和里程碑-应用于描述材料光伏技术的合作专利分类（CPC）的九个Y子类中的专利文献。在本研究中，我们扩展了常规，选择使用PatentsView的高级检索查询。基于检索到的专利所引用的专利的出版年的纵向分布的两个归一化，例程（在http：//www.leydesdorff.net/comins/pcs/index.html）提供了字符串中指定的主题的基础专利的最佳猜测。在九个案例中的五个案例中，我们发现了例程所指示的专利基本特征的确凿证据。
2018-04-10 cs.CY cs.DL
Measuring Social Media Activity of Scientific Literature: An Exhaustive Comparison of Scopus and Novel Altmetrics Big Data
本文使用Altmetric.com数据测量了Scopus数据库中索引的15个广泛科学学科的社交媒体活动。首先，在Scopus数据库中的Altmetric.com数据的存在进行了调查，整体和跨学科。第二，文献计量学和高程指数之间的相关性进行了检查，使用斯皮尔曼相关。第三，零截尾负二项模型被用来确定各种因素与增加或减少的引文的关联。最后，通过部署曲线下面积（AUC）-受试者操作特性的应用，全面评估了高度指数识别具有高引用影响力的出版物的有效性。结果表明，Altmetric.com数据在Scopus数据库中的存在率从2011年的10.19%迅速增加到2015年的20.46%。零截断负二项模型的实施，以衡量在何种程度上不同的文献计量学和高度计量学的因素有助于引文计数。博客数量似乎是最重要的因素，在健康护理和护理领域增加了38.6%的引用数量，其次是Twitter数量，在物理学和天文学领域增加了8%的引用数量。有趣的是，博客数量和Twitter数量总是显示所有领域的引用数量都在增加。虽然文献计量学指数和高程指数之间存在正相关，但结果表明，高程指数可以作为区分高被引出版物的一个很好的指标，高被引出版物与总高程计数之间的AUC= 0.725。总体而言，研究结果表明，altmetrics可以更好地区分高引用的出版物。
2017-07-17 cs.DL
Societal citations undermine the function of the science reward system
本文通过构建数学定理网络与科学引用网络对比，发现社会性因素削弱了科学奖励系统对颠覆性成果的认可，并提出改革参考文献格式以区分逻辑与社会性引用。
2025-01-19 cs.DL cs.SI physics.soc-ph
References of References: How Far is the Knowledge Ancestry
科学计量学研究已经从直接引用扩展到高阶引用，因为简单的引用计数被发现只能说明科学影响力的一部分。这种扩展被认为在研究评估、科学史建模和信息检索等场景中是有益的。相对于引文的引用（前向引用生成），参考文献的引用（后向引用生成）作为高阶引用的另一面，相对较少被探讨。我们采用了一系列的指标来衡量一个焦点论文的向后引用的展开，追溯到其知识的祖先一代又一代。物理学中的两个子领域在大规模引文网络上受到这样的分析。初步结果表明：（1）数据集中的大部分论文都可以追溯到其知识祖先;（2）后向引文世代的规模分布呈现先减小后增大的形状;（3）无论从前向还是后向角度看，超过一代的引文仍然与焦点论文相关;然而，后向引用世代与感兴趣的论文的主题相关性更高。此外，后向引文世代对文献推荐、科学评价和科学社会学研究具有重要的启示意义。
2021-04-01 cs.DL
An open-source integrated framework for the automation of citation collection and screening in systematic reviews
科学生产的指数增长使得二次文献删节的要求越来越高。我们引入了一个新的系统性综述开源框架，大大减少了收集和筛选科学文献的时间和工作量。该框架提供了三个主要工具：1）自动引文搜索引擎和管理器，它使用统一的查询语法从多个在线来源收集记录，2）贝叶斯，主动机器学习，基于迭代人机交互的引文筛选工具，以提高预测准确性，以及3）半自动，数据驱动的查询生成器，用于从现有的引文数据集创建新的搜索查询。为了评估自动筛选器的性能，我们使用贝叶斯模拟来估计中值后验灵敏度和效率[90%可信区间]，以预测未检测到的潜在相关记录的分布。在一个示例主题上进行测试，该框架通过引文管理器收集了17，755条独特的记录; 766条记录需要人工评估，其余记录被自动分类器排除;理论效率为95.6% [95.3%，95.7%]，灵敏度为100% [93.5%，100%]。从标记数据集生成新的搜索查询，并收集了82，579条额外记录;只有567条记录在自动筛选后需要人工审查，并发现了6个额外的阳性匹配。总体预期灵敏度降至97.3% [73.8%，100%]，而效率提高至98.6% [98.2%，98.7%]。该框架可以通过简化引文收集和筛选，同时表现出非凡的敏感性，大大减少进行大型文献综述所需的工作量。这样的工具可以提高系统评价的标准化和可重复性。
2022-02-22 cs.DL cs.IR stat.AP
Rethinking Review Citations: Impact on Scientific Integrity
本文研究综述文章激增导致引用指标虚高的问题，以计算机科学领域为例，提出应优先引用原始研究以维护引用诚信和科学评价的公正性。
2025-04-08 cs.CY cs.DL
Geant4 in Scientific Literature
2003年发表在《核仪器与方法A》上的Geant 4参考论文已成为Thomson-Reuters杂志引文报告中整个核科学与技术类别中被引用次数最多的出版物。目前，它是两个主要研究机构CERN和INFN撰写的出版物中引用次数第二多的文章。Geant 4存在（和缺席）在学术文献的概述; Geant 4引文的模式进行了定量研究和讨论。
2009-12-02 cs.DL physics.comp-ph
The decline in the concentration of citations, 1900-2007
本文对最近的研究（Evans，2008）提出了挑战，该研究报告称，随着文章和期刊的在线可用性，被引用的科学文献的集中度会增加。本文使用汤森路透的Web of Science，分析了1900年至2005年期间发表的论文的引用集中度（两年和五年的引用窗口）的变化。使用三种集中度指标：至少收到一次引用的论文百分比（引用论文）;需要占引用的20%，50%和80%的论文百分比;以及Herfindahl-Hirschman指数。这些措施用于四大学科：自然科学和工程，医学领域，社会科学和人文科学。所有这些措施收敛，并表明，与埃文斯的报告相反，引文的分散实际上是增加的。
2008-09-30 cs.DL physics.soc-ph
A SIR epidemic model for citation dynamics
对科学文献中引文的研究跨越了传统科学分支之间的界限，独立成为一个最有利可图的研究领域，被称为“科学的科学”。尽管对论文引文历史的理解涉及到许多无形的因素，但引文导致引文的基本假设可以解释经验引文模式的大多数特征。在这里，我们使用SIR流行病模型作为一个机制模型的引用动力学的好被引论文发表在选定的期刊的美国物理学会。估计的流行病学参数提供了对未知数量的深入了解，如可能引用论文的社区规模及其对该社区的最终影响。我们发现一个很好的，虽然不完美，使用流行病学参数和影响因子排名的期刊排名之间的协议。
2020-11-09 cs.DL physics.soc-ph
The Closer the Better: Similarity of Publication Pairs at Different Co-Citation Levels
本文从期刊、文章、章节、段落、句子和括号等不同共引层次上考察了被共引的论文对的相似性。我们的研究结果表明，文本相似性，知识重叠（共享参考文献），作者重叠（共享作者），在出版时间的接近度都单调上升的共引水平越低（从期刊到括号）。虽然相似性的主要增加发生在从期刊到文章共引时，但所有级别的变化都需要增加相似性，特别是节到段落和段落到句子/括号级别。我们比较了2010-2015年四种期刊的结果：Cell，欧洲运筹学杂志，物理快报B和研究政策，具有一致的一般结果和一些有趣的差异。我们的研究结果激励使用颗粒共引信息定义的有意义的文本单位，与影响，除其他外，科学地图的制定和检索的学术文献。
2017-10-27 cs.DL
Testing Our Foundations: Citation Trends, Errors, and Emerging Hallucinations in the Computing Education Literature
University of Auckland（奥克兰大学）；Abilene Christian University（阿比林基督教大学）；Aalto University（阿尔托大学）
本研究通过分析ACM数字图书馆中计算机教育文献的引用趋势，发现LLM生成的幻觉参考文献虽仍罕见但增长迅速，构成学术诚信风险。
2026-09-16 cs.CY cs.DL
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）
通过评估 Ai2 Asta 生成文献报告的引文强度、一致性和书目特征，发现其引文系统存在高引用强度但引用组成不稳定、检索文档与最终引用不匹配等问题，影响可重复性和透明度。
2026-06-06 cs.DL
Return to basics: Clustering of scientific literature using structural information
学者们经常使用相关性度量来估计两个不同项目之间的相似性（例如，文件、作者和机构）。这种相关性测量通常基于重叠参考文献（$\textit{i.e.}$，书目耦合）或引文（$\textit{i.e.}$，共同引用），然后可以与聚类分析一起使用，以找到研究领域之间的边界。不幸的是，计算相关性度量是具有挑战性的，特别是对于大量的项目，因为计算复杂性大于线性。我们提出了一种替代方法，用于确定使用直接引用的相关性措施的启发研究前沿。我们的新方法简单地将一个节点复制成两个不同的节点：引用节点和引用节点。然后，我们将典型的聚类方法应用到修改后的网络。引用节点的集群应该模仿那些从书目耦合相关性网络，而集群的被引节点应该像那些从共引相关性网络。在验证测试中，我们提出的方法与传统的基于相关性的方法表现出很高的相似性。我们还发现，所提出的方法的聚类结果优于那些传统的基于相关性的措施与基于自然语言处理的分类相似。
2020-04-10 cs.DL cs.SI physics.soc-ph
Hallucination Detector: A hybrid LLM and Semantic Scholar tool calling for detecting hallucination in scientific literature on AtomGPT.org
Hopkins Extreme Materials Institute, Johns Hopkins University（霍普金斯极端材料研究所，约翰斯·霍普金斯大学）；Department of Materials Science and Engineering, Johns Hopkins University（材料科学与工程系，约翰斯·霍普金斯大学）；Department of Physics and Astronomy, West Virginia University（物理与天文学系，西弗吉尼亚大学）；Department of Electrical and Computer Engineering, Johns Hopkins University（电气与计算机工程系，约翰斯·霍普金斯大学）
研究针对大语言模型用于科学写作时出现的虚构参考文献问题，提出结合大语言模型字段提取与语义学者结构化检索的AtomGPT参考文献检查器，经基准测试能可靠标记多数幻觉引用，保障文献引用可信度。
2026-07-14 cs.DL
Clustering scientific publications based on citation relations: A systematic comparison of different methods
聚类方法经常应用于文献计量学文献中，以确定研究领域或科学领域。例如，这些方法用于基于出版物在引文网络中的关系将出版物分组为集群。在网络科学文献中，已经开发了许多聚类方法，通常称为图划分或社区发现技术。针对引文网络中出版物的聚类问题，我们系统地比较了大量这些聚类方法的性能。使用一些不同的引文网络，其中一些相对较小，其他非常大，我们广泛研究的统计特性的结果提供了不同的方法。此外，我们还对不同方法产生的结果进行了基于专家的评估。专家评估侧重于科学计量学领域的出版物。我们的研究结果似乎表明，有一个权衡不同的属性，可能被认为是可取的一个良好的集群的出版物。总的来说，地图方程方法似乎在我们的分析中表现最好，这表明这些方法值得文献计量学界更多的关注。
2016-04-29 cs.DL cs.SI physics.data-an
Evaluating the diversity of scientific discourse on twenty-one multilingual Wikipedias using citation analysis
本研究通过分析21种语言维基百科的350万篇独特引文，按引用情况分组统计，发现非英语维基百科补充了150万篇独特文献，其话语独特性与规模相关，共同构成更完整的研究知识呈现。
2025-01-16 cs.DL
Modeling the obsolescence of research literature in disciplinary journals through the age of their cited references
研究领域中存在着不同的引文习惯，影响着研究文献的老化。本文以被引文献分布为基础，采用同步分析方法，分析了八个科学领域的学科期刊中研究文献的独特老化现象。我们使用负二项（NB）和泊松分布来捕捉这种过时。该语料库于2019年出版，涵盖22，559篇论文，引用872，442篇参考文献。此外，提出了三种分析分布尾部的措施：（i）引用参考存活率，（ii）引用参考死亡率，（iii）引用参考百分位数。这些度量是有趣的，因为分布的尾部收集了文档开始过时时的引用行为，从这个意义上说，它很少被引用（使用）。作为主要结论，观察到的过时的差异是如此重要，即使在同一子领域的学科期刊之间，它将是必要的，使用一些措施的尾部的引用分布，如本文提出的，当以适当的方式分析一个期刊的长期影响。
2022-03-16 cs.DL stat.AP
Cited Half-Life of the Journal Literature
分析1997年至2013年《期刊引文报告》（汤森路透）中列出的13，455种期刊，我们报告说，学术文献的平均被引用半衰期为6.5年，并以每年0.13年的速度增长。关注一个期刊子集（N= 4，937），我们对其进行了一系列连续的半衰期观察，229个主题类别中有209个（91%）的被引用半衰期增加。与总体趋势相反，工程和化学期刊的被引半衰期有所下降。最后，由于期刊吸引了更多的引用，其中更大比例的引用是针对旧论文的。引用老论文的趋势并不能完全由技术（数字出版、搜索和检索等）来解释，但这可能是结构性转变的结果，即为基础科学的增量和应用研究提供资金。
2015-04-29 cs.DL
