[论文解读] Citation histories of papers: sometimes the rich get richer, sometimes they don't

Michael J. Hazoglu, Vivek Kulkarni+2 more|arXiv (Cornell University)|Mar 14, 2017

scientometrics and bibliometrics research被引用 3

一句话总结

本研究提出一种具有累积优势的纯出生随机模型，用于将《物理评论》151,082篇论文的引用轨迹划分为三类：快速上升/高影响力（fast-hi）、快速上升/平台期（fast-flat）和后期绽放（slow-late）。研究发现，仅需5年发表后数据即可正确分类超过50%的高影响力论文，且在fast-hi和slow-late类别中可观察到富者愈富效应，但在fast-flat类别中则不明显。

ABSTRACT

We describe a simple model of how a publication's citations change over time, based on pure-birth stochastic processes with a linear cumulative advantage effect. The model is applied to citation data from the Physical Review corpus provided by APS. Our model reveals that papers fall into three different clusters: papers that have rapid initial citations and ultimately high impact (fast-hi), fast to rise but quick to plateau (fast-flat), or late bloomers (slow-late), which may either never achieve many citations, or do so many years after publication. In "fast-hi" and "slow-late", there is a rich-get-richer effect: papers that have many citations accumulate additional citations more rapidly while the "fast-flat" papers do not display this effect. We conclude by showing that only a few years of post-publication statistics are needed to identify high impact ("fast-hi") papers.

研究动机与目标

• 开发一种生成性引用动态模型，以捕捉引用数量随时间的演变。
• 使用最小参数的随机模型，识别科学论文中不同的引用轨迹模式。
• 确定早期引用数据在多大程度上可预测长期影响力，特别是对高影响力论文的预测。
• 评估累积优势（富者愈富）在不同论文类型中对塑造引用模式的作用。
• 评估早期引用数据在将论文分类为长期影响力类别方面的预测能力。

提出的方法

• 本研究采用具有线性累积优势效应的纯出生随机过程，其中引用速率与当前引用数成正比。
• 模型使用从递归积分方程推导出的负二项分布来描述引用增长，参数为a（累积优势强度）和b（基准引用率）。
• 模型拟合了来自《物理评论》文集的151,082篇论文的引用数据，涵盖多个物理学子领域。
• 根据参数空间中的位置和引用轨迹形状，将论文划分为三类：fast-hi、fast-flat和slow-late。
• 通过不同长度的训练期（1至30年）评估模型的预测准确性，测量分类成功率、精确率和召回率。
• 研究比较了不同年龄组的引用衰减率，并利用模型的聚类结果分析期刊层面的高影响力论文富集现象。

实验结果

研究问题

• RQ1 一个具有累积优势的简单随机模型能否准确描述大规模科学论文集合中的引用动态？
• RQ2 论文是否落入具有明确特征的不同引用轨迹聚类中？各聚类的特征是什么？
• RQ3 富者愈富效应是否存在于所有引用轨迹中，还是仅存在于特定聚类中？
• RQ4 需要多少早期引用数据才能可靠预测论文的长期影响力？
• RQ5 年轻论文与老年论文的引用衰减模式有何不同？这反映了学术关注的何种转移趋势？

主要发现

• 该模型成功识别出三种截然不同的引用轨迹聚类：fast-hi（快速上升，高影响力）、fast-flat（快速上升，早期平台期）和slow-late（后期绽放，延迟积累引用）。
• 富者愈富效应存在于fast-hi和slow-late聚类中，即拥有更多引用的论文会以更高比率积累新引用，但在fast-flat聚类中则不明显。
• 在发表后5年，超过50%的论文可被正确分类至其长期影响力聚类，且预测成功率随时间单调上升，在30年后超过80%。
• 对‘fast-hi’与‘非fast-hi’的二分类任务，经过16–19年的训练数据后，召回率和精确率均达到50%，表明虽然早期识别高影响力论文具有挑战性，但通过足够长的观察期仍有可能实现。
• 年龄在30至100岁的老论文相比年轻论文表现出更慢的引用衰减速率，表明对新文献的关注度衰减更快。
• 《Rev. Mod. Phys.》、《Phys. Rev. Lett.》和《Phys. Rev. B》等期刊在fast-hi论文中表现出显著富集现象，这与高影响因子及子领域日益增长的受欢迎程度相关。