[发明专利]一种非对称信息网络下的论文影响力度量方法

说明书

本发明公开了一种非对称信息网络下的论文影响力度量方法，包括：1、构建论文引用网络；2、利用社区检测Louvain方法对论文引用网络中的群体分布进行划分，得到社群集合；3、构建社群内部的引用网络和社群间的引用网络；4、利用PageRank聚类方法度量各个社群内部的引用网络的论文局部影响力和社群间的引用网络的社群影响力；5、根据论文局部影响力及其所在的社群影响力，度量论文在所述论文引用网络中的影响力。本发明能有效度量论文在全论文系统中和相关领域群体中的影响力，从而提升论文影响力度量的准确性。

技术领域

本发明涉及对学术领域中的论文影响力进行评估的方法，具体地说是一种非对称信息网络下的论文影响力度量方法。

背景技术

科研论文是众多学者的复杂研究工作成果，如何衡量论文的影响力是学术界一直关注的问题，但是不同的评估方法也很难给出明确的界定。目前，衡量论文影响力方法主要从论文被引用次数角度出发，如H指数、G指数、I10指数、H5中位数等，还有一些方法在论文引用数上额外考虑期刊论文数、影响因子指标等，如H5指标。但是一篇论文从录用到被引用可能需要经过很长一段时间，所以，这些度量方法都存在着时滞问题，一些最新的高水平期刊论文可能会得到较低的影响力评价结果，从而导致不准确的评估结果。另外，Altmetrics从社交网络角度度量论文的社会影响力，但是该方法是从七个社交平台上获得用户提及数、读者数、新闻报道数、政府采用数等得分，最后综合得分越高的论文，则其社会影响力越大。但是，该方法考虑外在信息来评价论文的影响力，并未被应用于所有领域的论文影响力评估，这将导致那些未在社交平台上被讨论的论文得到较低的影响力值，忽视了重要论文的价值，也忽视了论文自身的引用关系对评价其影响力的重要性。除此之外，PageRank方法也被应用于度量节点影响力，但是该方法考虑的是节点自身的影响力和邻居节点的影响力，没有针对论文引用网络的自身特点，忽略了论文的群体性以及群体间引用的非对称性，由此导致论文影响力度量的准确性也有存在较大的误差。由此可见，现有论文影响力度量方法存在着时滞、领域局限、不准确性等问题。

发明内容

本发明为克服上述现有研究存在的不足之处，提出一种非对称信息网络下的论文影响度量方法，以期有效判断论文在全论文系统中和相关领域群体中的影响力，从而提升论文影响力度量的准确性。

为了达到上述目的，本发明所采用的技术方案为：

本发明一种非对称信息网络下的论文影响力度量方法的特点在于，包括以下步骤：

步骤1、针对论文之间的引用关系构建论文引用网络；

步骤2、利用社区检测Louvain方法对论文引用网络中的群体分布进行划分，得到多个群体分布，再次利用社区检测Louvain方法对所有群体分布进行群体细粒度划分，直至所有群体的模块度为1为止，得到社群集合，记为G＝{g₁,...,g_l,...,g_m,...,g_k}，g_l为第l个社群，g_m为第m个社群，1＜l＜k，1＜m＜k，l≠m，k为社群数量；

步骤3、基于划分后的多个社群，构建社群内部的引用网络和社群间的引用网络；

步骤4、利用PageRank聚类方法度量各个社群内部的引用网络的论文局部影响力和社群间的引用网络的社群影响力；

步骤5、根据论文局部影响力及其所在的社群影响力，度量论文在所述论文引用网络中的影响力。

本发明所述的一种非对称信息网络下的论文影响力度量方法的特点也在于，所述步骤1包括如下过程：