融合多维特征的学术论文被引频次预测与分析

摘要：

被引频次是评价论文影响力的重要指标,预测论文未来的被引频次对政府科研政策制定、研究机构师资评聘、研究人员识别有影响力论文具有重要意义.文章根据论文发表3年内的作者层面、期刊层面和论文早期表现层面共27个指标,利用GBRT、Lasso、Linear Regression、AdaBoost和BP神经网络五种算法,预测论文发表第4—10年的被引频次.在构建的论文被引频次预测数据集上比较算法效果,并以GBRT算法在2006年、2009年和2012年的预测结果为样本,利用SHAP值分析指标的重要性.实验表明GBRT算法在论文被引频次预测数据集上R2指标最高达到0.97,优于其他模型.论文发表3年内累计被引频次、论文发表3年内年均被引频次、论文发表第3年被引频次、期刊IF值、第一作者篇均被引频次、论文发表第2年被引频次、作者累计被引频次最大值和作者论文篇均被引频次近两年变化最大值是GBRT模型最为重要的8个指标.

关键词：学术论文、被引频次预测、GBRT、指标、SHAP值

分类号：G252.8(图书馆学、图书馆事业)

资助基金：中国医科大学图书馆、医学信息学院规划课题基于神经网络的论文被引频次预测模型研究项目CMUGY002

在线出版日期：2023-04-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：49-55