[论文解读] H-Index Manipulation by Merging Articles: Models, Theory, and Experiments

René van Bevern, Christian Komusiewicz+3 more|Dec 17, 2014

Data Management and Algorithms参考文献 20被引用 5

一句话总结

本文研究了通过策略性合并学术论文来操纵H指数的计算复杂性，提出了反映现实约束（如论文间兼容性阈值）的模型。研究发现，尽管在允许任意合并时H指数最大化问题是NP难的，但当兼容性图的连通分量有界时，存在高效的线性时间算法；实验表明，实现显著的H指数提升需要合并差异较大的论文，使得操纵行为可被检测。

ABSTRACT

An author's profile on Google Scholar consists of indexed articles and associated data, such as the number of citations and the H-index. The author is allowed to merge articles; this may affect the H-index. We analyze the (parameterized) computational complexity of maximizing the H-index using article merges. Herein, to model realistic manipulation scenarios, we define a compatibility graph whose edges correspond to plausible merges. Moreover, we consider several different measures for computing the citation count of a merged article. For the measure used by Google Scholar, we give an algorithm that maximizes the H-index in linear time if the compatibility graph has constant-size connected components. In contrast, if we allow to merge arbitrary articles (that is, for compatibility graphs that are cliques), then already increasing the H-index by one is NP-hard. Experiments on Google Scholar profiles of AI researchers show that the H-index can be manipulated substantially only if one merges articles with highly dissimilar titles.

研究动机与目标

• 为通过论文合并实现现实的H指数操纵建模，考虑论文兼容性等约束条件及有限的合并操作。
• 分析在不同引用聚合规则和合并约束下，最大化H指数的计算复杂性。
• 利用人工智能研究者Google Scholar资料库的真实世界数据，评估H指数操纵的可行性与可检测性。
• 识别出在一般情况下虽为NP难，但对现实输入规模仍可高效求解的参数化算法。
• 提高对学术指标中潜在操纵行为的认识，并为招聘与资助决策中的评估实践提供建议。

提出的方法

• 提出三种合并论文的引用聚合模型：sum-cite（引用数相加）、union-cite（取最大引用数）和max-cite（取两篇中最大引用数）。
• 引入兼容性图，其中边表示可能的合并，基于论文标题相似度（Jaccard指数）确定。
• 应用参数复杂性理论分析H指数最大化问题，识别出当兼容性图的连通分量较小时为固定参数可满足（FPT）的情况。
• 开发基于动态规划和团枚举的精确算法，以在不同约束条件下求解H指数最大化问题。
• 利用人工智能研究者Google Scholar个人资料的真实世界数据，评估在不同兼容性阈值下合并对H指数提升的影响。
• 使用箱线图和统计分析比较不同兼容性阈值及引用聚合方法下的H指数提升情况。

实验结果

研究问题

• RQ1 在何种条件下，作者可通过合并论文显著提升其H指数，且此类操纵在多大程度上可被检测？
• RQ2 H指数最大化问题的计算复杂性如何随不同引用聚合规则和合并约束而变化？
• RQ3 将合并限制为仅兼容论文（基于标题相似度）对H指数操纵潜力有何影响？
• RQ4 当兼容性图的连通分量大小有界时，能否开发出H指数最大化的固定参数可满足算法？
• RQ5 人工智能研究者的真实世界个人资料在不同兼容性阈值和引用聚合方法下，对合并的响应如何？

主要发现

• 当兼容性图的连通分量为常数大小时，可通过所提算法在线性时间内实现H指数最大化。
• 在允许任意合并的情况下，将H指数提升一位是NP难的，表明无限制合并存在显著的操纵风险。
• 当兼容性阈值t ≥ 0.6时，75%的样本作者无法通过合并提升H指数，意味着只有高度不同的论文才能带来显著增益。
• 仅需三次论文合并，即可使样本中所有作者的H指数至少提升一位，平均节省4至19个月的研究产出。
• sum-cite与union-cite模型产生的H指数提升不同，其中union-cite在高兼容性阈值下表现出更保守的增益。
• 在t = 0.1时，无任何算法能解决所有实例，表明低兼容性阈值严重限制了操纵的潜力。