倪 金

(鞍山師范學院 成人教育學院,遼寧 鞍山 114000)

?

基于信譽分配的學者影響力評價算法

倪 金

(鞍山師范學院 成人教育學院,遼寧 鞍山 114000)

提出了一種基于信譽分配算法的評價方法(CAIF).該算法采用的實驗數(shù)據(jù)來自美國物理協(xié)會數(shù)據(jù)集(APS)，實驗結(jié)果證明基于信譽分配的評價方法能較好反映不同學者真實的影響力.

信譽分配；學者影響力；評估方法

合理評估學者的影響力不僅能夠幫助研究者發(fā)現(xiàn)相關學者的研究內(nèi)容，而且為學者的職稱晉升、工作調(diào)轉(zhuǎn)、科研獎勵等提供重要的依據(jù).由于學者影響力在學術(shù)大數(shù)據(jù)的演進中具有動態(tài)變化的特征，公平評價學者影響力具有非常大的挑戰(zhàn)性.對學者評價的傳統(tǒng)方法有：學者發(fā)表的論文數(shù)量、學者所發(fā)表的論文的總引用量等.目前，較為流行的方法是H-index[1]，它反映的學者影響力是一個累計的增長過程.然而，這些方法都不能準確地捕獲學者影響力變化的趨勢.

為了解決這個問題，學者們已經(jīng)開展了許多探索性的工作.例如，作者影響因子被介紹[2]，它是期刊影響因子的拓展，作者影響因子可以通過一個比值求得，用一個學者近幾年所獲得的引用量除以這個學者所發(fā)表的論文數(shù)量.作者影響因子被介紹方法的優(yōu)點在于能夠捕獲學者的科學產(chǎn)出影響力的變化趨勢，但這個方法存在一個弊端，即一篇文章所獲得的引用量被同等地分配給同一文章的共同作者.這樣會造成引用量的膨脹，同一篇文章，每個作者的貢獻是不相同的，論文的引用量采用同等對待的方法是不合理的.

為了公平地分配一篇論文的影響力給它的不同的作者，信譽分享算法被提出[3]，這個算法采用一個共被引的機制，通過在引用網(wǎng)絡中感知學者的貢獻，來分配一篇論文的影響力.

為了公平地評價作者的影響力，我們提出了基于信譽分配的評估方法(CAIF)，其特點如下：

(1)CAIF方法能夠準確呈現(xiàn)學者影響力的動態(tài)變化曲線，反映一個學者在某一段時期內(nèi)的真實研究的影響力，彌補H-index方法不能反映學者影響力變化趨勢的缺點.

(2)CAIF方法利用一段時間內(nèi)引用的平均值進行計算，對存在惡意操縱引用量的論文起到懲罰的作用.

(3)CAIF 方法的定義簡單，容易實現(xiàn).

1 相關工作

目前，關于計算學者影響力的方法大體分為3類：第一，是基于引用的度量方法，包括：H-index，引用量，以及H-index的多種變體[4]；第二，是基于網(wǎng)絡的度量方法，這種方法也受到廣泛的關注，例如，PageRank算法、HITS算法以及中心度量方法.中心度量方法主要度量在網(wǎng)絡中的重要性；第三，是基于用法的度量方法，這種方法是利用在線的數(shù)據(jù)，比如，在線下載量、轉(zhuǎn)載量、關注度等.

對于學者的影響力，早期的評估方法有學者發(fā)表的論文數(shù)，學者的總的引用量，每篇論文的平均引用量，重要論文數(shù)量(比如，引用量≥100)，H-index以及H-index的變體.較為流行的方法為H-index，但是H-index存在一些弊端，H-index是一個累計上升的過程，不能反映出某個學者階段性的影響力的變化.

基于網(wǎng)絡的評估方法有：

(1)co-Rank方法，利用PageRank和HITS算法共同排序作者和論文;

(2)Tri-Rank方法,利用PageRank方法，共同排序作者、論文和出版社.

利用用法的度量方法.主要是利用網(wǎng)絡平臺，如ImpactStory，ScienceCard，PLoS Impact Explorer等.在這些平臺上，會收集作者的引用量、下載量、關注度等信息.

在評價學者影響力中，其中一個核心問題就是，一篇文章如果多個作者共同完成，那么它的影響力如何進行合理地分配?本文就如何解決公平地評價一個學者影響力的問題，設計了一個CAIF算法.

2 CAIF算法

CAIF算法的架構(gòu)圖如圖1所示.算法分為兩部分：(1)計算每篇論文的共同作者的影響力評分，這里的論文影響力評分，用引用量表示；(2)結(jié)合作者的信譽評分，計算學者影響因子(AIF).基于學者影響因子和信譽分享算法，本文提出了一種合理評價學者影響力的方法.

2.1 信譽分配算法

信譽分配算法是用于合理地分配一篇文章共同作者的貢獻[3].它通過在科學社群中的感知來分配共同作者的貢獻，如圖1所示.具體方法描述如下：

圖1 信譽分配算法

假定一篇文章P0有n個共同作者，為了確定每個作者的信譽分享的共享值，算法首先識別所有引用P0的作者集合M{m1,m2,m3…}.其次，識別所有共被引集合P{ P0,P1，P2…}，表示一個引用共被引的論文全集.每個共被引論文Pj通過共引權(quán)重Sj與P0聯(lián)系起來.Sj定義為共被引的次數(shù).例如，對于論文P1，S1=1時只有一篇論文引用P0和P1,而S2=4時有4篇論文(m1,m2,m3,m5)引用了P0和P2.需要說明的是，目標論文P0也被看作它本身的共被引論文，其共引權(quán)重為它的引用量.再次，計算信譽分配矩陣A，Aij表示ai從共被引論文Pj得到的信譽值.作者ai總的信譽值計算如下：

(1)

2.2 學者影響因子

學者影響因子在文獻[2]中被提出，它的計算方法與影響因子的計算方法非常類似，用作者發(fā)表的論文數(shù)代替期刊發(fā)表的論文數(shù)，用作者獲得的所有引用量代替期刊獲得的引用量.其方法計算如下：

(2)

AIF表示學者的影響因子，CAuthor表示作者所有論文引用量之和，Npapers表示作者所發(fā)表的所有論文的數(shù)量.

2.3 基于信譽的學者影響力評價算法(CAIF)

學者影響因子是把一篇文章的引用量同等地分配給了它的所有作者，這樣就會產(chǎn)生一個膨脹的效用，引用量被反復計算.基于作者的影響因子以及信譽分配算法，我們提出一種合理分配共同作者貢獻的方法，命名為CAIF算法.作者j的信譽評價算法具體公式如下：

(3)

基于信譽的學者影響力評價算法克服了學者影響因子的弊端，它通過共被引機制去合理地分配共同作者的影響力.

3 實驗過程

實驗數(shù)據(jù)來自于美國物理協(xié)會數(shù)據(jù)集(APS)的一個子集PRC.數(shù)據(jù)集里包含從1970～2013年的論文，每篇論文包括如下字段：題目，DOI，作者，出版日期，作者機構(gòu)以及出版商.值得一提的是，這個數(shù)據(jù)集單獨提供一個引用列表文件，從這個文件中抽取了PRC上包含的引用關系，并對不完全數(shù)據(jù)以及有誤數(shù)據(jù)進行了移除處理.

在PRC數(shù)據(jù)集上，分別利用本文提出的CAIF算法和AIF算法進行計算，計算的比較結(jié)果如表1所示.排名第1的作者，按AIF算法排名得分為2 252.462，按CAIF算法排名得分為1 056.794，兩種排名方式均第1.按AIF排名的作者，從第3到第8個作者，在CAIF前10的列表里均未上榜.通過這樣的一個對比結(jié)果可以發(fā)現(xiàn)，一篇文章的影響力如果同等地分配給共同作者，作者的影響力會膨脹起來，這樣不能反映作者的真實的影響力.通過本文提出的CAIF算法，能夠更合理地將文章的影響力分配給共同作者.

表1 CAIF和AIF的比較

本文還調(diào)查了作者影響力排名靠前的作者以及他們影響力變化的趨勢.圖2展示了排名前10的作者影響力變化趨勢.橫軸表示年份，縱軸表示按信任分配的作者影響因子的評分.通過對作者影響力的分析，發(fā)現(xiàn)排名靠前的作者具有如下特征：(1)發(fā)表文章的年限比較早，多數(shù)都從70年代開始；(2)排名靠前的學者的論文每年都會有一定的引用量.也有比較特殊的情況，論文在某一段時間里獲得了特別高的引用量.

圖2 影響力排名前10的學者

4 結(jié)論

本文提出了一個新穎的評價作者影響力的算法.它能夠更客觀地分配每篇論文的影響力給它的共同作者.研究發(fā)現(xiàn)排名靠前的學者基本上都具有長期科研能力，所發(fā)論文每年都會有一定的引用量.

[1] Hirsch J E.An index to quantify an individual’s scientific research output[J].Proceedings of the National academy of Sciences of the United States of America,2005,102(46):16569-16572.

[2] Pan R K,Fortunato S.Author Impact Factor:tracking the dynamics of individual scientific impact[J].Scientific reports,2014(4):516.

[3] Shen H W,Barabási A L.Collective credit allocation in science[J].Proceedings of the National Academy of Sciences,2014,111(34):12325-12330.

[4] Bornmann L,Mutz R,Hug S E,et al.A multilevel meta-analysis of studies reporting correlations between the h index and 37 different h index variants[J].Journal of Informetrics,2011,5(3):346-359.

(責任編輯：張冬冬)

Credit allocation based on scholars’ reputation evaluation algorithm

NI Jin

(Adult Education College,Anshan Normal University,Anshan Liaoning 114000,China)

Evaluating scholars’ impacts have given rise to attention widely.Although current appraisal methods of scholars’ impacts have obtained prominent success,these existing methods have some drawbacks.For example,the impact of one paper is allocated to different signed authors equally,leading to unreasonably assess.In order to evaluate the scholars’ impact,we proposed an evaluation method based on credit allocation algorithm,named as CAIF.Our experiments have conducted on American Physical Society dataset (APS),our results present that our methods can better reflect the true impact of different scholars.

credit allocation;scholar’s impact;evaluation method

2016-03-01

倪金(1975-)，女，遼寧海城人，鞍山師范學院成人教育學院實驗師.

G353

A

1008-2441(2016)04-0049-04