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
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
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
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
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
Visualizing the context of citations referencing papers published by Eugene Garfield: A new type of keyword co-occurrence analysis
在尤金·加菲尔德漫长的信息科学家生涯中，他发表了大约1,500篇论文。在这项研究中，我们使用EG的令人印象深刻的作品，介绍了一种新型的文献计量学网络：基于引文上下文的关键词共现网络，这些网络在一定的论文集中被引用（这里：EG发表的论文）。引文上下文由位于特定引文周围的单词定义。我们从Microsoft Academic检索了引文上下文。为了解释和比较新网络类型的结果，我们生成了两个进一步的网络：共现网络，其基于（1）EG的论文和（2）引用EG出版物的论文的标题和摘要关键字。这三个网络的比较表明，EG的论文和引用EG的论文引用上下文的语义更密切相关，而不是引用EG的论文的标题和摘要。这一结果与引文在研究评价中的应用是一致的，即引文反映了被引者对被引出版物的认知影响。
2017-08-13 cs.DL
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
Study of Citation Networks in Tribology Research
CitNetExplorer被用来研究1998-2012年15年间摩擦学科学出版物之间的引文网络。分析了Web of Science的三个数据集：（1）摩擦学研究的核心出版物，（2）纳米摩擦学出版物和（3）Bharat Bhushan（纳米摩擦学研究的主要贡献者）的出版物。在此基础上，提出了改进CitNetExplorer的建议。
2014-11-01 cs.DL
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
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
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
From indexation policies through citation networks to normalized citation impacts: Web of Science, Scopus, and Dimensions as varying resonance chambers
Dimensions是作为一个替代性的文献计量学数据库被引入到完善的Web of Science（WoS）和Scopus中的，但是这三个数据库在覆盖范围和内容上都有根本的不同，这是由于它们的所有者的独立哲学。鉴于这些差异，我们在这里探讨，使用引文网络分析和评估的“重复”出版物的规范化引用的影响，无论是三个数据库提供结构上不同的角度的文献计量景观，或者如果他们基本上是同质的替代品。我们的引文网络对2016-2018年核心和独家出版物的分析显示，在所有三个数据库中索引的大量核心出版物都具有高度的自我参考性。相比之下，每个数据库都选择了一组独家出版物，这些出版物与核心集和彼此之间的相关性似乎都很低，Scopus和Dimensions中的独家出版物之间的内部交流略多于WoS。我们对所有三个数据库中索引的41，848篇出版物的标准化引文进行了比较，发现与WoS相比，德国行业在Scopus和Dimensions中的影响力更大，特别是对于以应用研究为重点的行业。我们的结论是，数据库确实呈现出结构上不同的视角，尽管Scopus和Dimensions及其附加的应用研究圈与更多以基础研究为重点的WoS相比，彼此之间的差异更大。
2021-06-03 cs.DL
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
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
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
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
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
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
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
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
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
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
PageRank for ranking authors in co-citation networks
Google的PageRank为信息检索创造了一种新的协同作用，以更好地对网页进行排名。它根据图的拓扑结构和节点的权重对文档进行排名。PageRank极大地推动了信息检索领域的发展，并使Google在搜索引擎市场上领先于竞争对手。它已被部署在文献计量学，以评估研究的影响，但很少有这些研究集中在阻尼因子（d）的重要影响排名的目的。本文研究了PageRank算法中不同的阻尼因子如何为作者共同引文网络中作者的排名提供额外的见解。此外，我们提出加权PageRank算法。选取1970 - 2008年信息检索领域108位最高被引作者，构建作者共引文网络。我们根据PageRank计算这108位作者的排名，阻尼因子范围从0.05到0.95。为了测试这些不同指标之间的关系，我们将PageRank和加权PageRank结果与引文排名，h指数和中心性指标进行了比较。我们发现，在我们的作者合作引文网络，引文排名是高度相关的PageRank的不同阻尼因子，也与不同的PageRank算法;引文排名和PageRank不显着相关的中心性措施;和h指数是不显着相关的中心性措施。
2010-12-22 cs.DL
Quantifying and suppressing ranking bias in a large citation network
人们普遍认为，由于不同的科学领域采用不同的引用实践，不同领域的论文引用数不能直接比较。引用次数也受到论文年代的影响，因为较老的论文有更多的时间吸引引用。各种程序旨在消除这些偏差，并产生新的标准化指标，如相对引用数。我们使用Microsoft Academic Graph的大型引用数据集和基于Mahalanobis距离的新统计框架来显示，通过众所周知的指标（包括相对引用计数和Google的PageRank得分）进行的排名受到论文领域和年龄的显著影响。我们提出了一个一般的规范化程序的动机$z$分数，产生更少的偏见排名时，引用计数和PageRank分数。
2017-03-23 cs.DL cs.IR physics.data-an
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
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
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
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
Time to Cite: Modeling Citation Networks using the Dynamic Impact Single-Event Embedding Model
Technical University of Denmark（丹麦技术大学）
本文针对引用网络中每对论文仅发生一次引用事件的特性，提出结合潜在距离嵌入、随机效应和参数化时变影响力的 DISEE 模型，以统一刻画网络结构与动态引用影响。
2024-02-28 cs.AI cs.DL cs.SI
Identifying influential patents in citation networks using enhanced VoteRank centrality
这项研究提出了一种名为VoteRank的方法，由Zhang et al.（2016）创建，用于识别专利引文网络上的有影响力的节点。此外，提出了改进的VoteRank算法，扩展了Zhang等人的工作。这些新的算法包括一个减少的投票能力的节点所选择的扩频器的影响，如果节点远离扩频器。一种方法使用与距离扩展器的距离成线性关系的缩减因子，我们称之为VoteRank-LRed。另一种方法使用一个关于与扩展器的距离呈指数关系的缩减因子，我们称之为VoteRank-XRed。通过将这些方法应用于引文网络，我们能够证明VoteRank-LRed在测试的引文网络上比原始VoteRank更有效地选择影响力传播者。
2018-11-05 cs.DL cs.SI physics.soc-ph
Case study to approaches to finding patterns in citation networks
使用多种方法对包括LED专利及其元数据网络的数据集进行分析，以回答有关该领域的问题。我们感兴趣的是找到元数据和网络结构之间的关系;例如，网络中的中心专利是由大公司还是小公司生产的？我们首先探索网络的结构，没有任何元数据，应用已知的技术在引文分析和一个简单的聚类方案。然后将这些技术与元数据分析相结合，得出关于数据集的初步结论。
2014-05-22 cs.DL cs.SI physics.soc-ph
Modelling Citation Networks
在某一年，学术出版物数量的分布作为引用计数的函数，每年都非常相似。我们测量这种相似性作为分布的宽度，并发现它是近似恒定的，从一年到一年。我们发现，简单的引用模型无法捕捉到这种行为。然后，我们提供了一个简单的三参数引用网络模型，使用本地和全局搜索过程的混合，可以随着时间的推移重现正确的分布。我们使用arXiv第七部分的论文引用网络来测试我们的模型。对于这些数据，大约20%的引文使用全球信息引用最近发表的论文，而其余80%则使用本地搜索。我们注意到，这与其他研究是一致的，虽然我们的动机是非常不同的，从以前的工作。最后，我们还发现，在一个学术出版物的书目大小的波动是很重要的模型。大多数模型都没有处理这一问题，需要进一步开展工作。
2014-08-13 cs.DL cs.SI physics.soc-ph
What is the dimension of citation space?
引文网络代表了代理人之间的信息流。它们在时间上受到约束，因此形成具有因果结构的有向无环图。在这里，我们提供了新的定量方法，以适应因果集方法的量子引力，考虑网络嵌入在闵可夫斯基时空和测量其尺寸使用Myrheim-Meyer和中点尺度估计的方法，以取代该结构。我们说明了这些方法的引用网络从arXiv，美国最高法院的判决，和专利，并发现，否则类似的引用网络有可测量的不同尺寸。我们认为，这些差异可以解释在引用行为的多样性或狭窄的水平。
2015-04-30 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
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
Modeling citation networks based on vigorousness and dormancy
在引文网络中，论文的活跃度通常会随着时间的推移而降低，休眠论文可能会被发现并重新流行起来。为了模拟这种现象，提出了一种竞争机制，该机制包含两个因素：活力和休眠。基于这一思想，本文提出了一个引文网络模型，其中一个节点具有两个离散的阶段：活跃和休眠。活跃节点可以被去激活，休眠节点可以被激活并变得活跃。网络的演化耦合了新节点的添加和旧节点的状态转换。分析计算和数值模拟表明，生成的网络节点的度分布具有良好的右偏性。特别地，当目标选择去活顶点时，得到了无标度网络，而随机选择的情况下，得到了指数网络。此外，四个现实世界的引文网络的测量实现了很好的协议与随机模型。
2013-08-24 cond-mat.stat-mech cs.DL cs.SI
The transition towards immortality: non-linear autocatalytic growth of citations to scientific papers
我们讨论了复杂网络增长的微观机制，特别强调这些机制可以从实际网络的测量评估。作为一个例子，我们考虑网络的引用科学论文。与通常认为其生长是由线性优先附着决定相反，我们的微观测量表明其是由非线性自催化生长驱动的。这使得引文网络的无标度假设失效。这种非线性导致了剧烈的动态相变：虽然大多数论文的引用寿命为6-10年，但高引用论文的引用寿命几乎是无限的。
2013-02-12 cond-mat.stat-mech cs.DL 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
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
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
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
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
Stochastic dynamical model of a growing network based on self-exciting point process
我们进行实验验证的偏好连接模型，这是公认的无标度复杂网络的生成机制。为此，我们选择了物理学论文的引文网络，并追踪了一年内发表的40，195篇论文的引文历史。与普遍的看法相反，我们发现，个别论文的引用动态遵循\emph{superlinear}优先连接，指数为$α= 1.25-1.3$。此外，我们发现，引用过程不能被描述为一个无记忆的马尔可夫链，因为有一个文件的当前和最近的引用率之间的实质性的相关性。基于我们的研究结果，我们构建了一个随机增长模型的引文网络，进行了数值模拟，并取得了良好的协议与测量的引文分布。
2012-10-02 cond-mat.stat-mech cs.DL cs.SI
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
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
Coauthorship and citation in scientific publishing
大量已发表的研究已经检查了科学论文之间的引用网络或科学家之间的合著网络的属性。在这里，使用广泛的数据集，涵盖了一个多世纪的物理论文发表在物理评论，我们研究了一个混合的合著/引文网络，结合两者，我们分析，以深入了解作者和引文之间的相关性和相互作用。除此之外，我们调查的程度，个人倾向于引用自己或他们的合作者比其他人，在何种程度上，他们引用自己或他们的合作者发表后更快，以及他们倾向于回报的程度从另一个科学家的引文的青睐。
2013-04-01 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
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。
2015-07-13 cs.DL
Environment and Planning B as a Journal: The interdisciplinarity of its environment and the citation impact
《环境与规划B》的引文影响可以通过其与所在环境中期刊的引文关系作为网络的链接来可视化。节点的大小根据该环境中的相对引用影响而变化。此外，还可以修正期刊内“自引”的影响。可以使用来自社会网络分析的算法来划分和聚类网络。将矩阵按行和列转置后，引用模式可以进行类比映射。引用模式反映了在该杂志上发表文章的作者群体的活动，而被引用则表明被接受。《环境与规划B》被引用于社会科学和自然科学之间的界面，但其作者几乎完全引用了社会科学引文索引的领域。
2009-11-16 cs.DL physics.soc-ph
