[论文解读] Cascading Citation Expansion

Chaomei Chen|arXiv (Cornell University)|May 31, 2018

Scientific Computing and Data Management参考文献 17被引用 4

一句话总结

本文提出了一种基于 Dimensions 开放 API 的级联引文扩展方法，通过引文链接迭代扩展学术文献网络，实现对相关文献的更广泛发现。该方法集成于 CiteSpace 中，可增强知识结构的可视化效果，并动态追踪科学领域的演变，为研究人员提供可扩展的访问途径，使其能够获取以往仅限特权用户使用的全面引文网络。

ABSTRACT

Digital Science's Dimensions is envisaged as a next-generation research and discovery platform for a better and more efficient access to cross-referenced scholarly publications, grants, patents, and clinical trials. As a new addition to the growing open citation resources, it offers opportunities that may benefit a wide variety of stakeholders of scientific publications from researchers, policy makers, and the general public. In this article, we explore and demonstrate some of the practical potentials in terms of cascading citation expansions. Given a set of publications, the cascading citation expansion process can be successively applied to a set of articles so as to extend the coverage to more and more relevant articles through citation links. Although the conceptual origin can be traced back to Garfield's citation indexing, it has been largely limited, until recently, to the few who have unrestricted access to a citation database that is large enough to sustain such iterative expansions. Building on the open API of Dimensions, we integrate cascading citation expansion functions in CiteSpace and demonstrate how one may benefit from these new capabilities. In conclusion, cascading citation expansion has the potential to improve our understanding of the structure and dynamics of scientific knowledge.

研究动机与目标

• 实现对学术引文网络的可扩展、迭代式扩展，突破传统引文索引的局限。
• 展示通过 Dimensions 开放 API 获取引文数据，如何使高级引文分析工具实现民主化。
• 将级联引文扩展集成至 CiteSpace，以改善科学知识结构的可视化与探索。
• 支持研究人员、政策制定者及公众访问全面、交叉引用的学术数据。
• 验证级联引文扩展在揭示科学领域动态与演变方面的作用。

提出的方法

• 利用 Dimensions 开放 API 获取学术出版物、资助项目、专利和临床试验的引文数据。
• 应用迭代引文遍历：从初始文章集合出发，逐层扩展至被引文献与引用文献。
• 将级联引文扩展实现为 CiteSpace 可视化工具中的插件，以支持交互式探索。
• 利用引文链接逐步扩展覆盖范围，连接相关出版物，形成密集且相互关联的知识网络。
• 通过元数据增强，在不同类型的学术产出扩展过程中保持上下文与相关性。
• 通过 16 幅说明性图表验证该方法，展示网络增长与结构洞察。

实验结果

研究问题

• RQ1 级联引文扩展在多大程度上可提升对初始引文集合之外相关学术文献的发现能力？
• RQ2 通过 Dimensions 开放 API 实现引文数据的开放访问，在多大程度上可使更广泛的用户群体获得高级引文分析能力？
• RQ3 将级联引文扩展集成至 CiteSpace 等可视化工具中，其实际优势为何？
• RQ4 级联引文扩展如何揭示科学知识领域的结构与动态演变？
• RQ5 级联引文扩展能否支持对跨学科研究版图的更全面、更准确的制图？

主要发现

• 通过迭代引文遍历，级联引文扩展显著扩大了学术网络的覆盖范围，超越初始文章集合。
• 将 Dimensions 开放 API 集成至 CiteSpace，实现了对大规模引文网络的可扩展、交互式探索。
• 该方法揭示了出版物、资助项目、专利和临床试验之间复杂的多层关系，增强了知识制图能力。
• 该方法通过可视化引文网络，支持识别新兴研究趋势与跨学科关联。
• 16 幅说明性图表展示了该方法在揭示科学领域结构模式与知识动态方面的潜力。
• 本研究证实，级联引文扩展显著提升了引文数据对研究人员与利益相关者的可访问性与实用性。