[论文解读] On the Dynamics of the $h-$index in Complex Networks with Coexisting Communities

Luciano da Fontoura Costa|ArXiv.org|Sep 14, 2006

Complex Network Analysis Techniques被引用 4

一句话总结

本文通过在具有两个共存社区的复杂引文网络中建模 h 指数的动力学，表明基于能力的引文偏好与基于引文数量的引文偏好会导致低能力社区的 h 指数严重受抑。本文提出一种基于人工智能的自动化虚拟引文识别方法，以提供无偏见、互补的指标，用于科学影响力评估。

ABSTRACT

This article investigates the evolution of the $h-$index in a complex network including two communities (in the sense of having different features) with the same number of authors whose yearly productions follow the Zipf's law. Models considering indiscriminate citations, as well as citations preferential to the fitness values of each community and/or the number of existing citations are proposed and numerically simulated. The $h-$indices of each type of author is estimated along a period of 20 years, while the number of authors remains constant. Interesting results are obtained including the fact that, for the model where citations are preferential to both community fitness and number of existing citations per article, the $h-$indices of the community with the largest fitness value are only moderately increased while the indices of the other community are severely and irreversibly limited to low values. Three possible strategies are discussed in order to change this situation. In addition, based on such findings, a new version of the $h-$index is proposed involving the automated identification of virtual citations which can provide complementary and unbiased quantification of the relevance of scientific works.

研究动机与目标

• 研究在具有不同能力和产出水平的共存社区的引文网络中，h 指数如何演变。
• 基于能力、引文数量和无差别偏好，建立引文动力学模型，以评估其对 h 指数增长的影响。
• 识别 h 指数中系统性偏差的影响，这些偏差倾向于 favor 高能力社区并抑制低能力社区。
• 提出一种新颖的、基于人工智能和关键词重叠的自动化方法，用于识别虚拟引文，以实现更均衡的科学影响力评估。
• 探索缓解多社区科学网络中 h 指数不平等的策略。

提出的方法

• 模拟一个持续 20 年的引文网络，其中包含两个规模相等的社区，每个社区的年度出版量遵循齐普夫定律。
• 实施四种引文模型：无差别模型、基于能力优先的模型、基于引文数量优先的模型以及结合能力与引文数量优先的模型。
• 通过每种配置 50 次实现的数值模拟，估算每个社区的 h 指数演变。
• 应用统计分析，比较不同引文规则和参数设置下 h 指数轨迹的差异。
• 提出一种基于人工智能的虚拟引文机制，通过检测新文献与先前文献之间的语义重叠（如关键词、贡献点）来识别虚拟引文。
• 将虚拟引文整合到影响力评估中，以提供与传统引文数量互补的、无偏见的指标。

实验结果

研究问题

• RQ1 在具有两个能力不均等社区的引文网络中，h 指数如何随时间演变？
• RQ2 基于能力的引文偏好和基于引文数量的引文偏好对每个社区 h 指数动力学有何影响？
• RQ3 在现实的引文动力学下，h 指数是否可能在低能力社区中受到严重抑制？
• RQ4 有哪些策略可以缓解由社区能力差异导致的 h 指数不平等？
• RQ5 基于人工智能的虚拟引文能否为科学评估提供可靠、无偏见的传统引文指标补充？

主要发现

• 在引文同时偏好社区能力和现有引文数量的模型中，高能力社区的 h 指数中等程度增长，而低能力社区的 h 指数则被严重且不可逆地限制在较低水平。
• 在无差别和仅基于能力的引文模型下，h 指数演变呈线性，但在基于引文数量的引文模型下表现出显著的分歧。
• 结合能力与引文数量的模型产生了最显著的不平等，表明累积优势与能力偏差的结合会固化科学影响力的差异。
• 本研究识别出三种可能的策略，用于缓解低能力社区的 h 指数抑制，尽管具体方法在摘要中未详细说明。
• 所提出的基于语义重叠检测的虚拟引文方法，为实现无偏见、自动化的影响力评估提供了有前景的路径。
• 研究结果强调了需要改进科学计量指标，以考虑引文网络中的系统性偏差。