Early identification of important patents through network centrality
技术预测中最具挑战性的问题之一是尽早确定那些有可能导致我们社会发生根本变化的技术。在本文中，我们使用美国专利引文网络（1926-2010年），以测试我们的能力，早期识别一系列具有历史意义的专利，通过引文网络分析。我们表明，为了有效地发现这些专利后不久，他们被授予，我们需要超越原始引用计数，并考虑到引文网络拓扑结构和时间信息。特别是，一个年龄归一化的专利中心性的措施，称为重新缩放的PageRank，使我们能够识别显着的专利早于引用计数和PageRank得分。此外，我们发现，虽然高影响力专利倾向于以类似于科学论文的方式依赖于其他高影响力专利，但专利的引用动态明显慢于论文，这使得重要专利的早期识别比重要论文更具挑战性。
2017-10-25 cs.DL cs.IR cs.SI
New model for datasets citation and extraction reproducibility in VAMDC
在本文中，我们提出了一个新的范式识别的数据集提取的虚拟原子和分子数据中心（VAMDC）电子科学基础设施。这种识别包括关于数据集的来源和版本的信息、与数据集中的单个数据相关的参考以及与提取过程相关的时间戳。通过修改用于在VAMDC内交换数据的语言以及实现这些修改的服务来描述这种范例。这种新的范例应该加强数据集的可追溯性，有利于数据集提取的再现性，并促进系统引用作者最初测量和/或计算提取的原子和分子数据。
2016-05-09 cs.DL physics.atom-ph physics.chem-ph
Female citation impact superiority 1996-2018 in six out of seven English-speaking nations
打击学术界持续存在的性别不平等现象的努力需要了解差异发生的证据。引文作为任用和晋升决定的潜在证据具有相关性，但不清楚平均引文影响是否存在历史性别差异，这可能解释目前高级女学者短缺的原因。这项研究调查了1996-2018年来自七个英语大国的600万篇文章的引用影响的性别差异的演变：澳大利亚，加拿大，爱尔兰，牙买加，新西兰，英国和美国。结果表明，一个小的女性引用优势一直是规范随着时间的推移，所有这些国家，除了美国，那里一直没有实际的差异。澳大利亚和英国的女性引用优势最大，在大多数年份都具有统计学意义。这表明，任何反对引用女性撰写的研究的学术偏见都不能解释当前的就业不平等。然而，在任用或晋升期间使用最近的引用数据进行比较，或完全避免使用这种数据，可能会低估妇女工作的可能影响，特别是长期影响，从而使一些国家的妇女处于不利地位。
2019-10-02 cs.DL
Citation Analysis with Mark-and-Recapture
标记再捕获（Mark-and-Recapture）是一种来自种群生物学的方法，用于估计一个物种的数量，而不计算每个个体。这是通过使用陷阱对物种进行多次采样并对重复捕获的实例进行折扣来完成的。在本文中，我们表明，这种方法是适用于引文分析，因为它也是不可行的，以计算所有相关的出版物的一个研究课题。此外，这一估计也使我们能够提出一个停止规则，研究人员决定多远，应该延长他们的搜索相关文献。
2015-03-23 cs.DL physics.data-an physics.soc-ph
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
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
Challenges of measuring the impact of software: an examination of the lme4 R package
软件作为研究对象的兴起反映在对科学软件定量研究的兴趣日益增加。然而，由于引用软件的做法不一致，大多数现有的研究分析科学软件的影响是基于识别的软件名称在全文出版物中提到。尽管有其局限性，但引文数据比全文数据具有更大的数量和更广泛的科学领域覆盖范围，因此可以支持更大范围的研究结果。本文提出了一种分析，旨在评估在何种程度上引用数据可以用来重建软件的影响。具体来说，我们确定了与lme4 R包相关的各种可引用对象，并研究了包的影响如何分散在这些对象中。我们的研究结果揭示了一个很少讨论的挑战，使用引用数据来衡量软件的影响，即使在正式引用的类别，可能有不同的形式，其中相同的软件对象被引用。这个挑战可以通过更仔细地选择对象作为软件的代理来减轻。然而，它不能完全解决，直到我们有一个软件一个代理的软件引用政策。
2018-11-27 cs.DL
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
Assessing Network Representations for Identifying Interdisciplinarity
许多研究试图将跨学科研究确定为文章参考文献或引用中确定的学科多样性的函数。然而，由于科学景观的不断演变，学科边界正在发生变化和模糊，使得在严格的分类法中描述研究变得越来越困难。在这项工作中，我们探讨了潜在的图形学习方法来学习嵌入式表示的研究论文，编码他们的“跨学科”在引文网络。这有助于在不使用学科类别的情况下识别跨学科研究。我们评估这些表示和他们的能力，以确定跨学科的研究，根据他们的效用在跨学科的引文预测。我们发现，根据引用距离的多种定义，那些在引用图中保持结构等价的表示最能预测网络中遥远的跨学科相互作用。
2022-04-08 cs.DL cs.SI
Towards Finding Non-obvious Papers: An Analysis of Citation Recommender Systems
随着科学的进步，学术界发表了数百万篇研究论文。研究人员在撰写论文或只是为了跟上当前的研究时，会花费时间和精力搜索相关的手稿。在本文中，我们考虑的问题，通过扩展一组已知的相关参考文献的引文推荐。我们的分析表明，被引论文的程度所导致的子图，称为投影图的论文引用，遵循幂律分布。现有的流行方法只擅长发现长尾论文，即那些与其他论文高度相关的论文。换句话说，大多数被引用的论文在投影图中是松散连接的，但它们不会被现有的方法发现。为了解决这个问题，我们建议结合作者，地点和关键字信息来解释这些松散连接的论文背后的引用行为。结果表明，不同的方法发现被引论文具有广泛的不同属性。我们建议多个推荐列表，通过不同的算法，可以满足不同的用户为一个真正的引文推荐系统。此外，我们还探讨了快速局部逼近的组合方法，以提高效率。
2018-12-29 cs.DL cs.IR cs.SI
Visualization of the Citation Impact Environments of Scientific Journals: An online mapping exercise
基于科学引文索引（5968种期刊）和社会科学引文索引（1712种期刊）的2004年期刊引文报告的期刊-期刊引文网络的汇总可以从这些期刊中的任何一种的角度进行访问。因此，用户能够根据链接和图表来分析引用环境。此外，期刊的本地影响力被定义为其在特定期刊的引用环境中的总引用量的份额;节点的垂直大小与此引用影响成比例地变化。每个节点的水平尺寸可以用来提供期刊内（自）引用校正后的相同信息。在“引用”环境中，这一措施的等价物可以被视为引用活动指数，它映射了给定期刊的作者集体如何感知相关期刊环境。作为政策应用，科学之间的跨学科发展的机制，阐述了纳米技术期刊的情况。
2009-11-13 cs.DL 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
Citation Environment of Angewandte Chemie
最近，从科学引文索引中所包含的每个期刊的角度可以访问聚合期刊-期刊引文网络，见（http：//www.leydesdorff.net/）。利用社会网络分析中的统计分析和可视化技术，局部矩阵可以用来考察期刊的相关引文环境。检查给出了一个答案的问题是什么地方的影响，这和其他期刊的环境。对《应用化学》的引文环境进行了分析。Angewandte Chemie是世界上主要的化学期刊之一。它的环境与美国化学学会杂志进行了比较。环境分析的结果提供了一个详细的洞察领域嵌入的应用化学。德国版和国际版的这本杂志的影响进行了比较。
2009-11-16 cs.DL physics.soc-ph
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
Identification of milestone papers through time-balanced network centrality
科学论文之间的引用和相关的文献计量学指数，如$h$ -作者索引和期刊影响因子，正越来越多地被用作研究评价的定量工具，但往往是以有争议的方式使用。然而，一个基本的研究问题仍然悬而未决：定量指标在多大程度上捕捉科学作品的意义？我们分析了1893年至2009年美国物理学会（APS）期刊发表的$449,935$论文的引文网络，并重点比较了基于引文计数的指标与基于网络的指标。我们对比了五个文章级别的指标，它们分配给一组基础论文的排名，称为里程碑信件，由APS编辑精心挑选，“通过宣布重大发现或启动新的研究领域，为物理学做出长期贡献”。一个新的指标，它结合了PageRank中心性与明确的要求，即论文分数不受论文年龄的影响，是识别里程碑信件的整体性能最好的指标。新指标中没有时间偏差，因此也可以用它来比较相同尺度下不同年龄的论文。我们发现，基于网络的指标识别里程碑字母比基于引用计数的指标，这表明引用网络的结构包含的信息，可用于提高科学出版物的排名。这里提出的方法和结果是相关的所有不断发展的系统，网络中心性指标的应用，例如万维网和在线社交网络。一个互动的网络平台，它可以查看排名的APS论文通过重新缩放PageRank可在地址\url{http://www.sciencenow.info}。
2016-11-08 cs.DL cs.IR cs.SI
Identification of Influential Scientists vs. Mass Producers by the Perfectionism Index
h指数的概念已经被提出来，可以用一个数字轻松地评估研究人员的表现。然而，如果只使用这个数字，我们会丢失关于作者出版物列表中每篇文章的引用分布的重要信息。在这篇文章中，我们研究了作者的引文曲线，我们定义了两个新的领域与此相关的曲线。我们称之为“惩罚区域”，因为它们越大，作者的表现就越受惩罚。我们利用这些领域建立新的指数，即PI和XPI，旨在将研究人员分为两个不同的类别：“影响者”和“大规模生产者”;前一类产生的文章（几乎所有）具有高影响力，后一类产生了大量具有中等影响力或根本没有影响力的文章。使用微软学术服务的数据，我们主要评估PI作为科学计量学研究的有用工具的优点。我们建立了它的有效性分离的科学家成有影响力的和大规模生产者，我们证明了它的鲁棒性对自我引用，其不相关的传统指数。最后，我们应用PI对数据库、网络和多媒体领域的杰出科学家进行排名，展示了该指数在实现其设计目标方面的优势。
2014-09-22 cs.DL cs.SI physics.soc-ph
Exploration of an Interdisciplinary Scientific Landscape
科学中的跨学科模式可以通过不同的互补维度来量化。本文以《网络地理学》（Cybergeo）为例，介绍了一种结合引文网络分析和语义分析的新方法。我们收集了大约20万篇文章的大型语料库及其摘要和相应的引文网络，提供了第一个引文分类。通过文本挖掘为每篇文章提取相关的关键词，使我们能够构建一个语义分类。我们研究了每个分类内的内生学科之间的关系的定性模式，并最终展示了分类的互补性及其相关的跨学科措施。我们相应开发的工具是开放的，可重复使用的类似的大规模研究的科学环境。
2020-11-02 cs.DL
The Attribution Crisis in LLM Search Results
本研究基于约1.4万条真实对话日志，揭示LLM搜索存在归因差距，量化了不搜索、不引用及高访问低引用等模式，并提出透明搜索架构建议。
2025-06-27 cs.AI cs.CL 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
Referenced Publication Years Spectroscopy applied to iMetrics: Scientometrics, Journal of Informetrics, and a relevant subset of JASIST
我们已经开发了一个“参考出版年光谱学”（RPYS）的（免费软件）例程，并将此方法应用于“信息学”的历史编纂，即Scientometrics，Informetrics和JASIST的相关子集（约100个）的期刊的交叉点。20%），塑造了信息计量学（文献计量学，科学计量学，信息计量学和网络计量学）发展的知识空间。信息度量（我们自己的研究领域）的应用为我们提供了验证这种方法的机会，并增加了对使用引文进行历史重建的反思。结果表明，该领域植根于20世纪20年代至50年代的个人贡献（例如，阿尔弗雷德·J·洛特卡），然后在20世纪60年代初被科学史（德里克·德·索拉·普莱斯）、文献（例如，Michael M.凯斯勒的“书目耦合”），和“引文索引”（尤金加菲尔德）。自2007年以来，新的《信息计量学》杂志加强了科学研究和信息科学之间界面的机构发展。在最后的反思中，我们回到了这样一个问题，即使用算法手段的科学史学--就引用实践而言--如何与基于阅读源材料的该领域的知识史不同。
2013-11-21 cs.CY cs.DL
Citation Recommendation for Research Papers via Knowledge Graphs
学术论文的引文推荐是一项有价值的工作，它可以通过推荐相关的工作来帮助研究者提高工作质量。目前，这项任务的方法主要依赖于论文的文本和引文网络。在本文中，我们建议利用一个额外的信息源，即研究知识图谱（KG），互联研究论文的基础上提到的科学概念。我们的实验结果表明，从研究幼儿园与现有的国家的最先进的方法的信息相结合是有益的。STM-KG（STM：科学，技术，医学），这是一个自动填充的知识图谱的基础上，从十个领域的论文中提取的科学概念的实验结果。所提出的方法优于最先进的技术，前50个检索结果的平均精度为20.6%（+0.8）。
2021-06-10 cs.DL cs.IR
HistComp : bibliographic analysis and visualization of 'The Biological Bulletin'
一个引文数据的集合，HistComp，可以从互联网上获得，作为现实生活中引文网络的例子的数据库。该方法的目的是分析这些引文网络的学术文献，提出其典型的步骤和结果。我们已经选择了书目的见解“生物通报”，自1897年以来出版的伍兹霍尔海洋生物实验室的杂志。由于书目网络往往是非常分散的，他们的可视化需要收敛的标准。为了简化，这种结构的主要特点应包括在超链接环境中调查权威来源和确定专题领域。通过避免过度松散的连接和过于密集的集群布局是有用的，通过图形化地描绘引文模式，获得一个平滑的演示。HistComp统计了1945年至2003年间《生物学公报》发表的8884篇文章。这些论文的二维定位，代表了他们的书目耦合和共同引用的程度提供了一个直方图。它的构造标准是相对于8884数据集的可视化的充分性。所获得的空间表示优化了聚类或主题区域的识别。海洋科学在专题上的重要性在于它参加了7个专题组中的7个专题组。主流主题是甲壳类动物和棘皮动物，约60%的材料在图表中呈现。但海葵，约占总数的16%，仍然是最好的可视化局部区域。高度相关的论文的视角很容易通过视觉检查用于节点表示的字形的宽度来确认。对于用户交互，HistComp使用鼠标悬停标签。
2015-11-18 cs.DL cs.SI
Statistics in everyone's backyard: an impact study via citation network analysis
越来越多的策展引文数据为分析和理解科学出版物的知识影响力提供了丰富的资源。在统计学领域，目前对引文数据的研究主要集中在统计期刊和论文之间的相互作用上，将影响力的衡量主要局限于统计学本身。在本文中，我们迈出了理解统计在大数据时代对其他科学领域的影响的第一步。通过从Web of Science数据库中收集选定的统计期刊的综合文献计量学数据，我们调查了随着时间的推移，引用领域的引用趋势和组成，以显示其多样性一直在增加。此外，我们使用的本地聚类技术，涉及个性化的PageRank与电导大小选择，找到最相关的统计研究领域为一个给定的外部感兴趣的话题。我们为该过程提供了理论保证，并通过一些案例研究，表明我们的引文数据的结果与我们对这些外部主题的知识和直觉非常一致。总的来说，我们发现统计学界最近发明的统计理论和方法对其他科学领域的影响越来越大。
2021-10-16 cs.DL stat.AP
SemanticCite: Citation Verification with AI-Powered Full-Text Analysis and Evidence-Based Reasoning
The University of Sydney（悉尼大学）
SemanticCite通过AI全文本分析和证据推理，提供高效的引文验证系统，结合多种检索方法和四类分类系统，实现精准的引文准确性验证，并开源数据集和模型以促进研究诚信。
2025-11-20 cs.CL cs.DL
Recommendation on Academic Networks using Direction Aware Citation Analysis
文献检索一直是学术研究的重要组成部分。它大大有助于提高研究过程和产出的质量，并提高研究人员对科学作出新贡献的效率。随着发表论文的数量逐年增加，即使在今天的搜索引擎的帮助下，手动搜索也变得更加详尽，因为它们不是专门用于这项任务的。在学术界，两篇相关的论文并不总是必须共享关键词，相互引用，甚至在同一领域。虽然一个著名的文件通常是一个容易的祈祷在这样的狩猎，相关文件使用不同的术语，特别是最近的，是不明显的眼睛。在这项工作中，我们提出了论文推荐算法，利用论文之间的引用信息。所提出的算法是方向感知的，在这个意义上，他们可以调整，以找到最近或传统的文件。该算法需要一组论文作为输入，并推荐一组相关的论文。如果用户想要对建议的论文集给出负面或正面的反馈，则改进推荐。在这个意义上，可以通过相关反馈容易地引导搜索过程。我们表明，这种轻微的指导有助于用户以更有效的方式达到所需的文件。我们还调整了我们的模型和算法，用于场地和评论者推荐任务。通过与文献中的多个基线和算法进行比较，对模型和算法的准确性进行了全面评估，这些基线和算法针对引用、地点和审稿人推荐任务的几个目标。所有这些算法都是在一个公开可用的Web服务框架（http：//theparsor.osu.edu/）中实现的，该框架目前使用来自DBLP和CiteSeer的数据来构建所提出的引文图。
2012-05-05 cs.DL cs.IR
Benchmark for Evaluation and Analysis of Citation Recommendation Models
University of Konstanz（康斯坦茨大学）
针对引文推荐领域模型、数据集、评估指标不统一导致难以公平对比的问题，提出构建专用基准，通过标准化指标与多维度任务实现模型综合评估，为领域提供通用对比平台。
2024-12-10 cs.AI cs.DL cs.IR
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
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
On the Shoulders of Giants: The Growing Impact of Older Articles
在本文中，我们研究了旧的学术文章的影响的演变。我们试图回答四个问题。首先，旧文章被引用的频率以及随着时间的推移这种情况如何变化。第二，旧文章的影响在不同的研究领域有何不同。第三，旧文章影响的变化是加速还是减缓。第四，这些趋势对于较旧的文章是否有所不同。为了回答这些问题，我们研究了1990-2013年发表的文章的引文。我们计算了每年发表的文章中对旧文章的引用比例，作为影响力的衡量标准。我们认为在引用文章之前至少10年发表的文章是旧文章。我们计算了261个学科类别和9个广泛的研究领域的这些数字。最后，我们重复了另外两个旧文章的定义，15岁及以上和20岁及以上的计算。我们的研究得出三个结论。首先，旧文章的影响在1990-2013年期间大幅增长。在2013年，36%的引用是至少10年前的文章;这一比例自1990年以来增长了28%。在1990-2013年期间，9个广泛领域中有7个领域的旧引文比例增加，261个学科类别中有231个。其次，下半年（2002-2013年）的增长是上半年（1990-2001年）的两倍。第三，旧文章的影响力越来越大的趋势也适用于更旧的文章。2013年，21%的引文来自15年以上的文章，自1990年以来增加了30%，13%的引文来自20年以上的文章，增加了36%。现在，查找和阅读相关的旧文章就像查找和阅读最近发表的文章一样容易，重要的进步不会在书架上消失，并且会在多年后…
2014-11-02 cs.DL
CiteAssist: A System for Automated Preprint Citation and BibTeX Generation
Georg-August University（格奥尔格-奥古斯特大学）
CiteAssist 系统通过自动提取预印本元数据生成 BibTeX 条目并嵌入 PDF，同时基于关键词推荐相关论文，以免费网络界面简化文献标注与参考管理流程。
2024-07-03 cs.CL cs.DL
Interdisciplinarity metric based on the co-citation network
跨学科研究的量化是评价性文献计量学的一个重要问题。跨学科的概念是模糊和多层面的。因此，在文献中提出了不同的跨学科措施。然而，很少有研究在没有预先定义分类集的情况下提出跨学科的度量，也没有人为此目的使用共同引文网络。在这项研究中，我们提出了一个跨学科的指标的基础上的共同引文网络。这是一种定义出版物字段的方法，而无需诉诸预定义的分类集。我们提出了一个表征的出版物的领域，然后我们使用这个定义提出了一个新的度量的跨学科程度的出版物（论文）和期刊作为分析单位。所提出的指标具有聚合属性，使其可以从单独的论文扩展到一组论文（期刊），而不需要按照定义这个新指标的比例添加分子和因子。此外，两个或两个以上单位的合计值严格地在所有个体值之间。
2020-03-23 cs.DL cs.IT math.IT
Article's Scientific Prestige: measuring the impact of individual articles in the Web of Science
我们对Web of Science出版物进行了引文分析，其中包括1981年至2020年254个主题的6300多万篇文章和14.5亿次引用。我们提出了文章的科学声望（ASP）指标，并将此指标与引用次数（#Cit）和期刊等级进行了比较，以衡量大规模分层和多学科引文网络中每篇文章的科学影响力。与#Cit相比，基于特征向量中心性计算的ASP考虑了直接和间接引用，并提供了跨学科的稳态评估。我们发现，ASP和#Cit在大多数文章中并不一致，在引用较少的文章中越来越不匹配。虽然这两个指标都是可靠的评价文章的声望，如诺贝尔奖获奖的文章，ASP往往提供更有说服力的排名比#Cit时，文章没有被高度引用。期刊等级最终由少数高引用文章决定，无法正确反映每篇文章的科学影响力。参考文献和合著者的数量与科学影响力的相关性较小，但主题确实有所不同。
2022-02-17 cs.DL stat.AP
Machine Identification of High Impact Research through Text and Image Analysis
University of Rochester（罗切斯特大学）
学术论文提交和出版的数量正在以越来越快的速度增长。虽然大量的研究有望在各个领域取得进展，但大量的输出本质上增加了噪音。我们提出了一个系统，自动分离的论文与那些获得引用的可能性低，作为一种手段，以快速找到高影响力，高质量的研究。我们的系统同时使用了一个视觉分类器，用于推测文档的整体外观，和一个文本分类器，用于做出内容知情的决定。该领域目前的工作重点是由个别会议的论文组成的小型数据集。尝试在较大的数据集上使用类似的技术通常只考虑文档的摘录，例如摘要，可能会丢弃有价值的数据。我们通过提供一个由PDF文档和引文计数组成的数据集来纠正这些问题，该数据集跨越了两个独立的学术领域：计算机科学和医学。这个新的数据集使我们能够通过跨时间和学术领域的概括来扩展该领域的现有工作。此外，我们探索了域间预测模型-评估分类器在未训练的域上的性能-以进一步了解这个重要问题。
2020-05-20 cs.DL cs.IR cs.LG
Relational hyperevent models for the coevolution of coauthoring and citation networks
扩展关系超事件模型（RHEM）分析合著与引用网络协同演化，引入子网络协变量，发现论文被共同引用倾向表明影响力受内生网络过程驱动。
2024-06-05 cs.DL stat.AP
Main-path analysis and path-dependent transitions in HistCite(TM)-based historiograms
使用HistCite（TM）程序，可以在从科学引文索引检索的一组文档中生成和可视化最相关的论文。科学发展的历史重建可以按时间顺序表示为从科学文献中提取的引用关系网络的发展。本研究旨在超越科学知识的历史重建，用社会网络分析和信息论的算法丰富HistCite（TM）的输出。
2009-11-07 cs.DL physics.soc-ph
Three-feature model to reproduce the topology of citation networks and the effects from authors' visibility on their h-index
在引文网络中，各种因素被认为支配着参考文献的选择，但精确地定量确定它们的重要性仍然是难以捉摸的。在本文中，我们表明，三个因素可以占引用模式的引用网络的两个主题，即“石墨烯”和“复杂网络”，从而允许一个复制的拓扑特征的论文建立的节点和边的引用。最相关的因素是内容相似性，而其他两个-度（即引用计数）和{出版年龄}根据研究的主题具有不同的重要性。这种依赖性表明，其他因素可能发挥作用。事实上，凭直觉，人们应该期望作者和/或机构的声誉（或知名度）会影响引用模式，而这只是通过与这种声誉相关的程度间接考虑的。由于声誉的信息是不容易获得的，我们模拟了它对人工引用网络的影响，考虑两个社区具有不同的适应度（可见性）参数。假设一个社区的适应值是另一个社区的两倍，这相当于一篇论文被引用的概率是两倍。虽然具有较大适应度的社区中的作者的h指数随着时间的推移而演变，其值略高于控制网络（不考虑适应度），但对于具有较小适应度的社区，注意到了剧烈的影响。
2013-02-17 cs.DL cs.SI physics.data-an
MIRAI: Prediction and Generation of High-Impact Academic Research
MIT Media Lab（MIT媒体实验室）
提出MIRAI深度学习框架，利用论文标题、摘要和发表日期预测其5年PageRank和引用量，并基于此构建研究构思流程以生成高影响力研究想法。
2026-06-03 cs.CL cs.DL
Homophily and missing links in citation networks
引文网络已被广泛用于研究科学的演变，通过透镜的基本模式的知识流之间的学术论文，作者，研究子领域，科学期刊。在这里，我们专注于引用网络，以揭示同质性的显着性，即相似性产生联系的原则，用于论文之间的知识转移。为此，我们评估了引用倾向于发生在那些关注看似相关的主题或研究问题的论文之间的程度。利用1893年至2009年美国物理学会期刊上发表的大量文章数据集，我们提出了一种新的方法，通过统计验证其参考书目之间的重叠来测量文章之间的相似性。结果表明，由一篇文章到另一篇文章的引用的概率确实是两篇文章之间的相似性的递增函数。我们的研究还使我们能够发现高度相关的文章之间的缺失引用，从而有助于识别有效知识流动的障碍。通过量化缺失引文的比例，我们对不同期刊和研究子领域促进或阻碍知识传播的能力进行了比较评估。研究结果表明，知识转移似乎更有效地促进了广泛的知名度，如物理评论快报，比低影响的期刊。我们的研究对科学期刊的作者、编辑和审稿人以及公共预印本库具有重要意义，因为它提供了一个推荐相关但缺失的参考文献和正确整合论文参考书目的程序。
2015-11-24 cs.DL cs.IR cs.SI
Combining topic modelling and citation network analysis to study case law from the European Court on Human Rights on the right to respect for private and family life
University of Groningen（格罗宁根大学）
本研究针对欧洲人权法院《欧洲人权公约》第8条相关判例，结合主题建模与引用网络分析技术，在人工标注的驱逐类判例数据集上验证了该组合方法在查找和分组判例上的更优效果，为法律研究者提供了高效的判例分析工具。
2024-01-19 cs.CL cs.DL cs.IR
Crystal: Characterizing Relative Impact of Scholarly Publications
Johns Hopkins University（约翰霍普金斯大学）
提出Crystal方法，利用大语言模型对引用论文进行联合排序，通过多数投票消除位置偏差，以更准确地区分高影响力引用，在人工标注数据集上准确率提升9.5%，F1提升8.3%。
2026-06-02 cs.AI cs.CL cs.CY
Will This Paper Increase Your h-index? Scientific Impact Prediction
科学影响力在评估学者、部门和机构的产出方面发挥着核心作用。引用是衡量科学影响力的一个广泛使用的指标，越来越多的文献专注于预测任何特定出版物获得的引用数量。然而，这种预测的有效性从根本上受到引用的幂律分布的限制，即引用很少的出版物非常常见，引用很多的出版物相对较少。鉴于这一限制，在这项工作中，我们而是解决一个相关的问题，许多学术研究人员在撰写论文的过程中，即：“这篇论文会增加我的h指数？“使用来自顶级在线学术服务ArnetMiner的超过170万作者，200万篇论文和800万引用关系的真实学术数据集，我们正式提出了一个新的科学影响力预测问题，以检查可以驱动论文增加主要作者h指数的几个因素。我们发现，研究者的权威性的出版主题和地点的论文发表的主要作者的h-指数的增加是至关重要的因素，而主题的流行度和合著者的h-指数是令人惊讶的相关性很小。通过利用相关因素，我们发现一篇论文是否会在五年内对作者的h指数做出贡献的潜在可预测性超过87.5%。作为进一步的实验，我们为这篇论文生成了一个自我预测，估计有76%的概率它将在五年内对具有最高当前h指数的合著者的h指数做出贡献。我们的结论是，我们对科学影响力量化的研究结果可以帮助研究人员扩大他们的影响力，更有效地利用他们的“站在巨人的肩膀上”的地位。"
2014-12-15 cs.DL cs.SI physics.soc-ph
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
S-index: Towards Better Metrics for Quantifying Research Impact
当今科学文献数量的持续增长使研究人员无法有效地区分相关内容和不相关内容。研究人员一直对各自领域有影响力的论文、作者和地点感兴趣。此外，他们对这些背景下所谓的“后起之秀”感兴趣，这些背景可能会为未来的工作，合作或有影响力的出版场所带来有吸引力的方向。在这项工作中，我们解决的问题，量化研究的影响，在每一个这些情况下，为了更好地引导研究人员的注意力和简化的过程中的比较，排名和评价的贡献。具体来说，我们首先概述了直观的基本假设，即影响量化方法应该遵守和评估当前最先进的方法何时无法满足这些属性。为此，我们引入了s-指数度量，它通过异质引文网络的影响传播来量化研究影响。S-index是根据这些直观的假设量身定制的，并提供了许多理想的品质，包括鲁棒性、自然的时间性和从论文影响到更广泛的作者和地点影响上下文的直接可扩展性。我们在公开的Microsoft Academic Search引文图上评估了其有效性，该引文图包含超过1.19亿篇论文和10亿条引文边，分别有1.03亿和2.1万名相关作者和地点。
2015-07-13 cs.DL cs.IR cs.SI
