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
A Unified Model of Text and Citations for Topic-Specific Citation Networks
本文提出段落-引用主题模型（PCTM），联合分析引用网络与文献文本，通过为段落分配主题使引用共享主题，实证发现美国最高法院隐私领域意见中引用跨领域且主题多样。
2025-02-24 cs.DL stat.AP
Graph Analysis of Citation and Co-authorship Networks of Egyptian Authors
该研究利用 Semantic Scholar 数据与 Networkx 构建埃及机构作者的引文及合著网络，通过清洗数据和中心性分析识别高影响力出版物，为学术评估与决策提供支持。
2024-12-19 cs.DL
Aggregated journal-journal citation relations in Scopus and Web-of-Science matched and compared in terms of networks, maps, and interactive overlays
我们将科学和社会科学引文索引（SCI和SSCI）的期刊引文报告（JCR）2012提供的聚合期刊-期刊引文关系网络与基于Scopus 2012的类似数据进行比较。首先，分别为这两套文件绘制全球地图;然后，可以使用两套地图的叠加图对文件进行比较。使用模糊字符串匹配和ISSN编号，我们能够在两个集合之间匹配10，524个期刊名称;也就是说，JCR包含的10，936个期刊中的96.4%或Scopus覆盖的20，554个期刊中的51.2%。然后对两个数据库之间共享的期刊集和两套独特的期刊进行网络分析。JCR比Scopus更全面地覆盖了共享期刊之间的引文，因此JCR中的网络比Scopus更密集，连接更紧密。两个数据库中共享期刊在被引程度（即引用期刊的数量）或总引用次数方面的排名总体上相似（Spearman的\r{ho} > 0.97），但某些期刊的排名非常不同。Scopus独有的期刊似乎不那么重要--它们引用的是共享期刊，而不是被共享期刊引用--但Scopus比JCR更好地涵盖了人文学科。
2014-06-14 cs.DL
Paradigm shifts. Part II. Reverse Transcriptase. Analysis of reference stability and word frequencies
通过共被引和标题词频分析，追踪了以1970年逆转录酶的发现为标志的RNA肿瘤病毒研究中逆转录范式的转变。它表明，这一事件与中断的引文模式和以前未知的技术术语的发生。
2014-12-09 cs.DL cs.IR
Which topics are best represented by science maps? An analysis of clustering effectiveness for citation and text similarity networks
本文通过MeSH主题类别分析生物医学科学图谱的聚类效果，发现引文与文本相似性网络在最佳和最差表示主题上一致，且疾病和生物体主题在引文网络中表示更好。
2024-06-10 cs.DL
Unsupervised Anomaly Detection in Journal-Level Citation Networks
期刊影响因子是学术界衡量期刊质量的常用指标。期刊被引用的次数是决定影响因子的一个关键因素，影响因子可能会以多种方式被滥用。因此，发现引文异常对于进一步识别影响因子的操纵和膨胀至关重要。引文网络用有向图的形式描述期刊之间的引文关系。检测引文网络中的异常是一项具有挑战性的任务，其在发现引文卡特尔和引文堆栈以及理解引文背后的意图方面具有若干应用。本文提出了一种新的方法来检测期刊级科学引文网络中的异常，并与现有的图异常检测算法的结果进行了比较。由于缺乏适当的地面真理，我们介绍了一个期刊级的引用异常数据集，其中包括综合注入的引用异常，并使用它来评估我们的方法。我们的方法是能够预测的异常引文对的精度为100%，F1得分为86%。我们进一步将检测到的异常分为各种类型，并找出可能的原因。我们还在Microsoft Academic Search数据集上分析了我们的模型-一个真实世界的引文数据集，并使用案例研究解释了我们的结果，其中我们的结果类似于引文和SCImago Journal Rank（SJR）评级变化图表，从而表明了我们方法的有用性。我们进一步设计了“期刊引文分析工具”，一个交互式的门户网站，给定的引文网络作为输入，显示期刊水平的异常引文模式，并帮助用户分析给定的期刊多年来的引文模式。
2020-05-28 cs.DL cs.SI
Ruling Out Static Latent Homophily in Citation Networks
引文和合著者网络提供了对科学进步动态的深入了解。我们也可以将它们视为因果结构的表示，即在图中捕获的逻辑过程。从因果关系的角度来看，我们可以问一些问题，比如作者是否主要因为他们之前的共同兴趣而形成群体，或者他们最喜欢的主题是否具有“传染性”并通过合著传播。这种网络已经被人工智能社区广泛研究，最近已经与量子物理学中纠缠粒子产生的非局部相关性建立了联系-潜在隐藏变量的影响可以通过依赖于半定规划（SDP）松弛序列的相同代数几何方法来分析。沿着这条线索，我们把我们的样本合著者网络作为一个因果图，并使用SDP松弛，排除潜在的同质性作为先前共同利益的表现，导致观察到的模式。通过引入代数几何引文研究，我们增加了一个新的工具，现有的方法分析内容相关的社会影响。
2016-12-08 cs.DL
Betweenness and Diversity in Journal Citation Networks as Measures of Interdisciplinarity -- A Tribute to Eugene Garfield --
期刊是尤金·加菲尔德研究兴趣的核心。除此之外，期刊被认为是科学网（WoS）和Scopus等书目数据库的分析单位。除了期刊的学科分类外，期刊引用模式在不同程度上跨越边界网络。利用介数中心性（BC）和多样性，我们阐述了如何区分和跨学科的期刊排名的问题。然而，在缺乏学科的操作定义的情况下，跨学科性难以操作，分析单元的多样性取决于样本。BC可以被视为多学科性的衡量标准。被引文献中共引的多样性被认为是知识整合的一个指标，但作者也可以通过引用其他学科的来源来产生跨学科-即非学科-的变异。引用文献之间的书目耦合的多样性可以类似地被认为是跨学科知识的扩散。由于被引方向的引文网络反映了结构和变化，因此该方向的多样性可能是衡量期刊水平跨学科性的最佳方法。此外，多样性是基于总和，因此可以分解，（子）集之间的差异可以测试统计显著性。在附录中，提供了一个通用的例行测量网络的多样性。
2017-05-14 cs.DL
Information Diffusion in Computer Science Citation Networks
论文引文网络是一种传统的交流思想和知识的社会媒介。本文从信息扩散的角度来看待引文网络。研究了计算机科学期刊引文网络中信息路径的结构特征，分析了不同引文选择对论文后续影响的影响。我们发现，引用最近的论文和论文在同一个学术界获得了略多的引用平均。然而，这种相关性在高引用论文中较弱，这意味着对于高影响力的工作，引用一个人的领域是不太重要的。我们还研究了引文网络特定子集的信息流差异：书籍与会议和期刊文章，计算机科学的不同领域，以及不同的时间段。
2009-05-15 cs.CY cs.DL
Bibliometrics/Citation networks
除了塑造社交网络之外，例如，在合著关系方面，科学传播还诱导和复制认知结构。科学文献是按照学科和专业进行智力组织的;这些结构通过引用这些文献中嵌入的作者、概念和文本而被反射性地复制和网络化。认知结构的概念是由David Krackhartt在1987年的社会网络分析（SNA）中引入的，但SNA的重点迄今为止一直是将认知作为人类能动性的心理属性。在文献计量学中，以及在更普遍的科学和技术研究中，社会认知结构指的是超个人层面的智力组织。这种知识组织出现了，并被作者的集体所复制，这些作者不仅根据人际关系组织起来，而且根据特定领域的交流代码组织起来。引文可以作为这一编纂过程的指标。
2015-02-23 cs.DL
Evolution of interdependent co-authorship and citation networks
对书目数据的研究表明，引文网络的增长与其相应的合著网络之间存在很强的相关性。我们探讨了1970年至2013年美国物理学会期刊上印度作者发表的论文的引用和合著网络之间的相互依赖关系。我们以两种方式记录每对可能的作者之间的交互：第一，通过跟踪他们交换的引用的变化，第二，通过跟踪合著网络中作者之间的最短路径。我们为分析期间的每年创建这些数据。我们使用概率的方法来量化引文和最短路径之间的相关性，以及对引文合作作者系统的动态的影响。我们发现，作者对谁有一个共同作者的距离$d \leq 3$显着影响对方的引文，但这种影响迅速下降，为更长的距离在共同作者网络。与$d=1$的对之间的引文交换在第一次合著事件时表现出突然增加，此后衰减，表明合作中的老化效应。这表明合著网络的动态似乎正在推动引文网络的动态，而不是相反。此外，大多数作者收到的大部分引文是由于当前或过去的共同作者的相互引用。我们的结论是，为了回答科学合作的性质和动力学的问题，有必要同时研究合著和引文网络。
2019-08-31 cs.DL physics.soc-ph
StatCite: A Large-scale Citation Network Dataset for Statistics and Data Science
Central University of Finance and Economics（中央财经大学）；Peking University（北京大学）；Shanghai University of International Business and Economics（上海对外经贸大学）
研究人员构建了覆盖1981-2025年统计学与数据科学领域的大规模引文网络数据集StatCite，含18.9万余篇论文及四类引文网络，可用于科学文献的统计分析等研究。
2026-08-11 cs.DL stat.AP
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
Normalization of direct citations in publication-level networks: Evaluation of six approaches
本文评估了五种直接引用归一化方法及无归一化在四个数据集上的聚类质量，发现归一化优于未归一化，且几何归一化比分数归一化产生更少的错误分配，可能更优。
2024-03-14 cs.DL
Co-citation and Co-authorship Networks of Statisticians
我们收集并清理了大量关于统计出版物的数据集。该数据集由统计学、概率学和机器学习领域36种代表性期刊上发表的83，331篇论文的合著关系和引文关系组成，跨越41年。该数据集使我们能够构建许多不同的网络，并激发了一些研究问题的研究模式和趋势，研究的影响，和网络拓扑结构的统计社区。在本文中，我们集中在（i）使用引文关系来估计作者的研究兴趣，（ii）使用合著者关系来研究网络拓扑结构。使用我们构建的共同引文网络，我们发现了一个“统计三角形”，让人想起统计哲学三角形（Efron，1998）。我们提出了新的方法来构建统计学家的“研究地图”，以及“研究轨迹”为一个给定的作者可视化他/她的研究兴趣演变。使用我们构建的合著网络，我们发现了一个多层社区树，并产生一个Sankey图，以可视化作者在不同子区域的迁移。我们还提出了几个新的指标的研究多样性的个人作者。我们发现，“贝叶斯”，“生物统计学”和“非参数”是统计学的三个主要领域。我们还确定了15个子领域，每个子领域都可以被视为主要领域的加权平均值，并确定了共同作者社区形成的几个根本原因。我们还发现，统计学家的研究兴趣在我们研究的41年时间窗口中发生了显著变化：一些领域（例如，生物统计学、高维数据分析等）变得越来越受欢迎
2022-04-24 cs.DL
Using citation networks to evaluate the impact of text length on the identification of relevant concepts
非结构化数据中最重要概念的识别在各种实际应用中至关重要。尽管已经提出了大量的方法来提取文本的主要主题，但有限数量的研究探讨了文本长度对关键词提取（KE）方法性能的影响。在这项研究中，我们采用了一种基于网络的方法来评估是否从论文摘要中提取的关键字与从全文中提取的关键字兼容。我们采用社区发现方法来识别引文网络中的相关论文组。这些论文集群，然后提取关键词的摘要。我们的研究结果表明，虽然我们的KE方法中采用的各种社区发现方法产生了相似的准确性水平，相关性分析显示，这些方法产生不同的关键字列表为每个摘要。我们还观察到，所有考虑的方法，然而，达到低的准确度值。令人惊讶的是，文本聚类方法优于所有基于引用的方法。研究结果表明，使用不同的信息来源提取关键字可能会导致显着差异的表现。这种效应在依赖于相关概念识别的应用中可以发挥重要作用。
2023-01-15 cs.DL
Predicting Citation Counts with a Neural Network
我们在这里描述和介绍一个简单的神经网络，预测个人研究人员的未来引用计数的基础上，从研究人员的过去的各种数据的结果。对于可在开放获取-服务器arXiv.org上获得的出版物，我们发现比以前的研究更高的可预测性。
2018-06-18 cs.DL cs.NE
Graph Embedding for Mapping Interdisciplinary Research Networks
表示学习是研究论文推荐、分类和检索等任务自动化的第一步。由于研究出版的速度加快，加上跨学科研究的公认好处，促进研究人员发现和理解其直接知识学校以外的相关作品的系统至关重要。这项工作探讨了不同的方法的研究论文表示（或文件嵌入），以确定这些方法能够保留跨学科的影响，研究论文在其嵌入。除了评估跨学科引文预测任务中文档嵌入的最新方法外，我们还提出了一种新的图神经网络架构，旨在保留引文网络节点嵌入中研究文章的关键跨学科含义。我们提出的方法在跨学科引文预测方面优于其他基于GNN的方法，而不会影响整体引文预测性能。
2023-03-20 cs.DL
A comparative analysis of local network similarity measurements: application to author citation networks
了解论文和作者引用的演变对于设计可以促进和加速科学发现的研究政策和评估标准至关重要。近年来，许多关于科学演化的研究都是在科学领域的涌现科学的背景下进行的。虽然许多研究探讨了引文网络中的链接问题，但只有少数研究分析了作者引文网络中链接预测的时间性质。在这项研究中，我们比较了10个著名的本地网络相似性测量的性能，以预测未来的链接在作者引文网络。与传统的链接预测方法不同，预测链接的时间性质与我们的方法相关。我们的分析揭示了有趣的结果。Jaccard系数被认为是最相关的测量。相反，优先附件测量显示出最差的性能。我们还发现，本地测量的扩展到他们的加权版本并没有显着提高预测引用的性能。最后，我们还发现，一个神经网络的方法总结的信息，从所有10个考虑的相似性测量是不能够提供最高的预测性能。
2021-03-25 cs.DL cs.SI
Analysis of effects to scientific impact indicators based on the coevolution of coauthorship and citation networks
本研究通过优先连接构建合著与引文联合网络，模拟论文发表与引用过程，分析参数对期刊影响因子和h指数的影响，发现参考文献数、论文寿命、团队规模和新作者概率等参数可显著改变指标，且易被操纵，强调持续改进指标的必要性。
2024-04-19 cs.DL
Citation proximus: the role of social and semantic ties in citing behaviour
École de bibliothéconomie et des sciences de l’information, Université de Montréal（蒙特利尔大学图书馆与信息科学学院）；Danish Centre for Studies in Research and Research Policy, Aarhus University（奥胡斯大学丹麦研究与研究政策中心）；Consortium Érudit（Érudit联盟）；Observatoire des Sciences et des Technologies, Centre interuniversitaire de recherche sur la science et la technologie, Université du Québec à Montréal（魁北克大学蒙特利尔分校跨大学科研与科技研究中心科技观测站）；Department of Science and Innovation-National Research Foundation Centre of Excellence in Scientometrics and Science, Technology and Innovation Policy, Stellenbosch University（斯坦陵布什大学科学与创新系-国家研究基金会科学计量学与科学技术创新政策卓越中心）
研究通过分析经济学领域数据，发现合作网络中的紧密联系和主题相似性是引用行为的主要预测因素，强调社会和语义接近在引用中的重要性。
2025-02-19 cs.DL
A small world of citations? The influence of collaboration networks on citation practices
本文探讨作者的接近度，他们引用的共同作者网络中使用的分离度，基本上是使用协作网络，以扩大自我引用的概念。虽然直接自引（包括引用和被引用论文的共同作者）的比例在自然科学（10%的引用）和社会科学（20%）的时间和专业之间相对恒定，但对于共同作者网络成员的作者的引用却不能这么说。随着时间的推移，领域和趋势之间的差异不仅在于定义协作网络的大规模拓扑结构的合著程度，而且还在于给定学科内的引用实践，通过定义在协作网络内给定距离处引用的倾向来计算。总的来说，除了直接的自我引用外，几乎没有倾向于引用合作网络中附近的人。通过分析这些社会参考，我们的本地合作网络的科学领域内的知识生产的社会资本的特征。这些结果对大多数类型的引文分析常见的偏见的长期争论，以及对过去50年来跨科学学科的引文实践的理解具有影响。此外，我们的研究结果具有重要的实际意义的可用性的“手臂的距离”的专家评审的赠款申请和手稿。
2011-07-27 cs.DL 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
Science through Wikipedia: A novel representation of open knowledge through co-citation networks
这项研究从维基百科的角度概述了科学。维基百科的编辑如何通过他们对科学论文的引用来看待科学的分析方法已经建立起来。共同引用的方法已经适应了这种情况，以产生探路者网络（PFNET），突出最相关的科学期刊和类别，以及它们的相互作用，以找出科学文献是如何通过这个开放的百科全书消费。除此之外，还通过价格指数研究了它们的过时情况。初步考虑了Altmetric.com上的1 433 457份参考资料。经过预处理和链接到Elsevier的CiteScore数据库的样本减少到847 512引用193 802维基百科文章598 746科学文章属于14 149期刊索引Scopus。作为突出的结果，我们发现“医学”和“生物化学，遗传学和分子生物学”论文的显着存在，最重要的期刊是多学科的性质，也表明高影响因子期刊更有可能被引用。此外，只有13.44%的维基百科引文来自开放获取期刊。
2020-02-11 cs.DL
Tracing the Evolution of Physics on the Backbone of Citation Networks
许多创新都是以一种非平凡的方式受到过去想法的启发。追溯这些起源并确定科学分支对于研究灵感至关重要。本文利用引文关系识别学术论文的后代图，即学术论文的家谱。与其他专注于成本或距离最小化的生成树不同，我们利用引文的性质，并确定每个出版物的最重要的父，导致引文网络的树状骨干。引入措施来验证骨干作为后代图。我们发现，引文主干可以很好地表征科学发展的层次和分形结构，并导致准确的领域和子领域的分类。
2011-08-05 cs.DL physics.soc-ph
The large-scale structure of journal citation networks
我们分析的大规模结构的期刊引文网络所包含的信息建立在汤森路透期刊引文报告。为此，我们利用网络科学的工具，探索网络属性，如密度，渗透鲁棒性，平均和最大节点距离，互惠性，传入和传出度分布，以及节点度的混合。我们发现，期刊引文网络是一个密集的、健壮的、小型的、互惠的世界。此外，在节点度分布和出节点度分布显示长尾，少数重要的期刊和许多琐碎的，他们是强正相关。
2011-10-18 cs.DL cs.SI physics.soc-ph
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
Formation of subject area and the co-authors network by sounding of Google Scholar Citations service
提出的方法是通过探测内容网络来形成学科领域模型和合著者网络。本文提出了Google学术引文服务中标签与作者匹配网络的概念。文中所描述的模型是针对物理光学领域建立的，它可以应用于其他领域。提出的定义科学领域和作者之间的联系的方式描绘了合作的机会和跨学科的多功能性。
2016-05-07 cs.DL cs.SI
Efficient Algorithms for Citation Network Analysis
本文提出了在引文网络中确定Hummon和Doreian弧权SPLC和SPNP的一种非常有效的、弧数线性的算法，并给出了这些权的一些理论性质。讨论了引文网络的非循环性问题。提出了一种基于弧权的重要子网识别方法，并以自组织映射（SOM）文献和美国专利的引文网络为例进行了验证。
2003-09-14 cs.DL cs.DM cs.DS
Evolution of citation networks with the hypergraph formalism
本文提出了一个基于超图的引文网络演化模型。在演化模型中，我们考虑了优先连接和年龄影响相结合的机制。仿真结果表明，该模型能够很好地描述真实系统的引文分布。此外，我们给出了利用主方程的引文分布的分析结果。详细分析表明，时间衰减因子应该是该模型与实证结果相同的引文分布的根源。该模型可能有助于理解控制真实引文网络结构的基本规律。
2014-06-04 cs.DL physics.data-an physics.soc-ph
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
One Venue, Two Conferences: The Separation of Chinese and American Citation Networks
University of Edinburgh（爱丁堡大学）；Allen Institute for Artificial Intelligence（艾伦人工智能研究所）；Brown University（布朗大学）；New York University（纽约大学）
在NeurIPS，美国和中国的机构引用对方地区的论文要比他们引用的论文少得多。我们建立了一个引文图来量化这种划分，将其与欧洲的连通性进行比较，并讨论了这种分离的原因和后果。
2022-11-17 cs.DL cs.LG
Indicators of the Interdisciplinarity of Journals: Diversity, Centrality, and Citations
在现有的期刊指标中，基于引文的跨学科指标一直缺失。在这项研究中，我们调查了网络指标（介数中心性），期刊指标（香农熵，基尼系数），以及最近提出的“跨学科性”的Rao-Stirling措施。“后一个指数结合了期刊的引用分布（基于矢量）和期刊之间引文网络的距离（基于矩阵）。各种标准化的影响是使用2008年（社会）科学引文索引的期刊引文报告中包含的8，207种期刊的矩阵来指定和测量的。对称（1-模式）余弦归一化网络中的介数中心性提供了一个优于非对称（2-模式）引文网络中的介数的指标。在基于矢量的指标中，香农熵的表现优于基尼系数，但对大小敏感。例如，科学和自然被显示在列表的顶部。当（1 -余弦）被假定为距离的度量时，新的多样性度量提供了合理的结果，但是使用欧几里德距离的结果难以解释。
2010-09-21 cs.DL physics.soc-ph
Generative Dynamics of Supreme Court Citations: Analysis with a New Statistical Network Model
美国最高法院多数意见的重要性和影响力很大程度上来自于意见作为未来意见先例的作用。越来越多的文献试图通过研究最高法院的案例引用模式来了解是什么推动了意见作为先例的使用。我们提出了两个现有的工作最高法院引用的限制。首先，二元引文通常在分析之前聚合到案例级别。第二，引文被视为独立产生。我们提出了一种方法来研究最高法院意见之间的引用在二元水平，作为一个网络，克服了这些局限性。这种方法-引用指数随机图模型，我们提供了用户友好的软件-使研究人员能够考虑的情况下的特点和复杂形式的网络依赖的引文形成的影响。然后，我们分析了一个网络，其中包括1950年至2015年期间最高法院判决的所有案件。我们发现依赖过程的证据，包括互惠性，传递性和流行性。的依赖性效应是实质性的和统计上显着的外生协变量的影响，表明最高法院引用的模型应纳入案件的特点和结构的影响，过去的引用。
2021-01-15 cs.DL physics.soc-ph stat.AP
Deep Graph Learning for Anomalous Citation Detection
Dalian University of Technology（大连理工大学）；Federation University Australia（澳大利亚联邦大学）；Arizona State University（亚利桑那州立大学）
异常检测是各种关键领域中最活跃的研究领域之一，如医疗保健，金融科技和公共安全。然而，很少有人注意到学术数据，即，引文网络中的异常检测。引文被认为是衡量科学研究影响力的重要指标之一，其博弈方式是多方面的。因此，引文网络中的异常检测对于识别引文的篡改和膨胀具有重要意义。为了解决这个问题，我们提出了一种新的深度图学习模型，即GLAD（Graph Learning for Anomaly Detection），以识别引文网络中的异常。GLAD通过图神经网络添加节点属性和链接属性，将文本语义挖掘融入网络表示学习。它不仅利用引文内容的相关性，而且还利用论文之间隐藏的关系。在GLAD框架内，我们提出了一个算法CPU（Citation Purpose）来发现基于引文文本的引文目的。通过模拟的异常引文数据集验证了GLAD的性能。实验结果表明，GLAD的异常引文检测任务的有效性。
2022-02-23 cs.DL cs.LG cs.SI
Coauthorship and citation networks for statisticians: Comment
这是对Ji和Jin的论文arXiv：1410.2840的评论，将出现在AOAS中。
2016-08-23 cs.DL cs.SI physics.soc-ph
The citation wake of publications detects Nobel laureates' papers
几十年来，如何定量评估科学研究的主要范式一直是分析一组科学出版物中的汇总引文信息。虽然在20世纪60年代已经创造了将这些信息表示为引用网络的方法，但它需要对科学文献进行系统的索引，以允许实际利用这个网络的影响指标作为一个整体，改进当时几乎完全基于直接引用数量的流行指标。然而，除了关注学分的分配，论文引用网络还可以从科学思想的扩散方面进行研究。在这里，我们介绍了一个简单的测量方法，该方法基于论文的内部组件中的最短路径，或者简单地说，基于论文在引用网络中的尾流的形状和大小。应用于包含一个多世纪以来的《物理评论》出版物的引文网络，我们的方法能够检测到对物理学的进一步发展具有明显重要性的概念的开创性文章。我们观察到，在排名靠前的出版物中，有很大一部分是由诺贝尔物理学奖获得者合著的论文。
2013-01-30 cs.DL 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
PatSTEG: Modeling Formation Dynamics of Patent Citation Networks via The Semantic-Topological Evolutionary Graph
提出 PatSTEG 联合语义-拓扑演化图学习方法，建模专利引用网络形成动态，在 CNPat 和公开数据集上验证其优于现有方法。
2024-02-03 cs.DL cs.IR
Transitive Reduction of Citation Networks
在许多复杂网络中，顶点是按时间顺序排列的，而边则表示因果关系。我们提出了分析这种有向无环图的方法，考虑到因果关系的约束，突出因果结构。我们使用由学术论文、专利和美国最高法院判决形成的引文网络来说明我们的方法。我们展示了传递性减少如何揭示不同领域引用实践的根本差异，它如何突出特别有趣的工作，以及它如何纠正文档的年龄对其引用计数的影响。最后，我们传递约简了具有相似度分布的引用网络的空模型，并展示了传递约简后度分布的差异，以说明此类模型缺乏因果结构。
2014-03-27 cs.DL cs.SI physics.soc-ph
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
Beyond Content: How Author Network Centrality Drives Citation Disparities in Top AI Conferences
School of Management, Northwestern Polytechnical University（西北工业大学管理学院）；School of Statistics and Mathematics, Yunnan University of Finance and Economics（云南财经大学统计与数学学院）；School of Artificial Intelligence, OPtics and ElectroNics (iOPEN), Northwestern Polytechnical University（西北工业大学人工智能与光学电子学院）
本研究发现作者网络中心性显著影响引用差异，提出HCTCD指标并验证其在预测引用中的有效性，挑战传统评估范式。
2025-12-26 cs.DL cs.SI
Citation network applications in a scientific co-authorship recommender system
Sberbank（俄罗斯联邦储蓄银行）；National University of Science and Technology “MISIS”（国立研究型技术大学莫斯科钢铁合金学院）
在科学合作领域，共同作者的选择问题可能是一个令人生畏的问题。在本文中，我们提出了一个新的管道，有效地利用引文数据的链接预测任务的合著网络。特别是，我们探讨了基于不同图的数据聚合策略的推荐系统的功能。由于图神经网络证明了它们在与推荐系统相关的广泛任务上的效率，因此我们利用它们作为预测科学界潜在合作的相关方法。
2021-11-22 cs.DL cs.LG
Time and Citation Networks
引文网络产生于许多不同的社会系统，如学术界（通过发表论文）、商业界（通过专利）和法律界（通过法律判决）。引文代表着信息的传递，因此研究引文网络的结构将有助于我们理解知识是如何传递的。引文网络与其他网络的区别在于时间;文档只能引用较早的文档。我们建议，现有的网络措施没有考虑到时间的强烈限制。我们将用两种类型的因果意识分析来说明我们的方法。我们将我们的方法应用于由arXiv上的学术论文形成的引文网络、美国专利和美国最高法院的判决。我们表明，我们的工具可以揭示，引文网络，这似乎有非常相似的结构，由标准的网络措施，原来有显着不同的属性。我们解释我们的结果表明，许多文献中的参考书目没有直接相关的工作，我们可以提供一个简单的指标的重要引用。我们建议我们的方法可以突出对跨学科研究更感兴趣的论文。我们还量化了不同领域研究方向多样性的差异。
2015-07-06 cs.DL cs.SI physics.soc-ph
Where Do Your Citations Come From? Citation-Constellation: A Free, Open-Source, No-Code, and Auditable Tool for Citation Network Decomposition with Complementary BARON and HEROCON Scores
SciLifeLab Data Centre（SciLifeLab数据中心）
本文提出Citation-Constellation工具，通过BARON和HEROCON评分分解引用网络，揭示引用来源的社会结构路径，不用于评价决策。
2026-03-25 cs.AI cs.DB cs.DL
Modeling the clustering in citation networks
对于引文网络的研究，一个具有挑战性的问题是建模的高聚类。现有的研究表明，对高聚类进行建模的有前途的方法是复制策略，即，论文复制其相邻论文的参考文献作为自己的参考文献。然而，这一系列模型严重低估了在真实引文网络中观察到的丰富三角形的数量，因此无法很好地模拟高聚类。在本文中，我们指出，现有的模型的失败在于，他们没有捕捉到现有的文件之间的连接模式。通过利用这种连接模式所指示的知识，我们进一步提出了一个新的模型，在引文网络中的高聚类。在两个真实引文网络上的实验表明，该模型不仅能再现传统模型的幂律度分布，而且能再现真实网络中的三角形个数、高聚类系数和共引簇的大小分布.
2012-02-24 cs.DL cs.SI physics.soc-ph
Quantifying gendered citation imbalance in computer science conferences
针对计算机科学会议论文的性别化引用失衡问题，本文构建引用网络参考模型，揭示引用同质性的强关联及顶级会议中的显著失衡。
2024-08-04 cs.DL cs.SI
Patent Citation Dynamics Modeling via Multi-Attention Recurrent Networks
Virginia Tech（弗吉尼亚理工学院）
建模和预测专利的前向引用是发现新兴技术和衡量发明进步脉搏的中心任务。传统的方法预测这些前向引文投的时间点过程，依赖于先前收到的引文的条件强度的分析的问题。最近的方法模型的条件强度作为一个循环神经网络链捕捉记忆依赖，希望减少强度函数的参数形式的限制。对于专利引用的问题，我们观察到，预测专利的引用链不仅受益于专利的历史本身，而且还从与该专利相关的受让人和发明人的历史引用。在本文中，我们提出了一个序列到序列模型，采用注意力的注意力机制来捕捉这些多个时间序列的依赖关系。此外，该模型能够预测专利的下一次引用的时间戳和类别。在从USPTO收集的大型专利引文数据集上进行的大量实验表明，该模型在前向引文预测方面优于最先进的模型。
2019-05-22 cs.DL cs.LG stat.ML
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
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
China's Shrinking Home Bias and Rising Disruptive Impact: Evidence from a Global Citation Network Analysis
Chinese Academy of Sciences（中国科学院）；University of Chinese Academy of Sciences（中国科学院大学）；Shandong Normal University（山东师范大学）
本研究通过Web of Science的4500万篇出版物引用网络分析，发现中国本土引用偏见下降、国际化提升，且论文的范式转变能力正逐步向美国靠拢，挑战了相关主流叙事。
2026-09-01 cs.DL physics.soc-ph
A geometric graph model of citation networks with linearly growing node-increment
针对某些引文网络中年度发表论文数量呈线性增长的特点，提出了一个几何模型来预测这些网络的统计特征，其中论文的学术影响范围通过与时间和空间相关的特定几何区域来表示。在该模型中，节点（论文）均匀随机地散布在闵可夫斯基空间的一簇圆上，这些圆的中心位于时间轴上。边缘（引用）根据影响机制链接，该机制表明现有论文将被位于其影响区的新论文引用。考虑到不同学科论文之间的引用情况，在模型中加入了跨学科的引用机制，即一些被选中概率较小的论文将随机、均匀地引用一些已有的论文。与现有的大多数模型只研究入度分布的幂律尾部不同，该模型还刻画了整体入度分布。此外，本文还描述了真实网络的其他一些重要统计特性，如内外连通性、巨连通性和清晰的社区结构。因此，有理由相信本文为用几何图研究实际网络提供了一个很好的例子。
2016-07-06 cs.DL physics.soc-ph
Your Tribe Decides Your Vibe: Analyzing Local Popularity in the US Patent Citation Network
在许多网络中，顶点的入度是其受欢迎程度的度量。过去的研究把网络作为一个整体来研究。在美国专利引文网络（USPCN）中，专利被分为类别和子类别。一个自然的问题出现了：专利如何从各种（子）类别中聚集其受欢迎程度？我们分析局部入度分布来回答这个问题。同一类别内专利的引用（入度）表明其内部受欢迎程度，而跨类别引用表明其外部受欢迎程度。我们分析了USPCN层次结构中每个级别的内部和外部深度分布，以了解专利的内部和外部受欢迎程度如何在（子）类别之间变化。我们发现，所有（子）类别有本地偏好，决定内部和外部专利的流行。不同的专利在不同的群体中受欢迎：C1、C2和C3群体可能对C1中受欢迎的专利意见不一致。一般来说，专利受欢迎程度似乎是一个高度本地化的现象，子类别（甚至不是类别）决定自己的受欢迎专利独立于其他（子）类别。
2021-06-02 cs.DL cs.SI
