[论文解读] Uncovering the dynamics of citations of scientific papers
本文提出了一种基于两步链接复制机制的非线性随机科学引文动态模型，其中引文概率随引文论文数量增加而上升，引入了动态非线性。该模型完全基于实证数据校准，无自由参数，可解释引文数量的爆发式增长和发散的引文分布，为个体论文和期刊影响因子的概率预测提供了基础。
We demonstrate a comprehensive framework that accounts for citation dynamics of scientific papers and for the age distribution of references. We show that citation dynamics of scientific papers is nonlinear and this nonlinearity has far-reaching consequences, such as diverging citation distributions and runaway papers. We propose a nonlinear stochastic dynamic model of citation dynamics based on link copying/redirection mechanism. The model is fully calibrated by empirical data and does not contain free parameters. This model can be a basis for quantitative probabilistic prediction of citation dynamics of individual papers and of the journal impact factor.
研究动机与目标
- 开发一个全面的、基于实证校准的引文动态模型，以捕捉真实引文网络中观察到的非线性行为。
- 解决线性模型在预测引文影响力方面的局限性，这些模型存在高统计不确定性，且无法解释引文的级联效应。
- 通过引文传播中的非线性反馈机制，解释“爆发式”论文（即引文数量发散的论文）的出现。
- 为个体论文和期刊影响因子的引文动态提供概率预测框架。
- 通过物理学期刊论文的参考文献年龄分布和累积引文统计数据的实证数据验证模型。
提出的方法
- 提出两步引文机制：通过文献检索的直接引文和通过引文论文参考文献列表的间接引文。
- 引入非线性链接复制模型，其中引文某论文的概率随其被引论文数量的增加而上升，通过非线性模仿系数 q(k) 建模。
- 推导包含直接引文和通过递归引用传播的级联间接引文的引文增长随机微分方程。
- 使用参考文献年龄分布和引文数量的实证数据校准所有模型参数，消除自由参数。
- 以创新扩散的Bass模型为基础，通过引入非线性模仿项 q(k) 扩展模型，以反映引文网络中的基于网络的影响。
- 通过将预测的引文分布和参考文献年龄构成与1984年物理学期刊论文的实证数据对比，验证模型，结果表现出高度一致性。
实验结果
研究问题
- RQ1引文概率对引文论文数量的非线性依赖如何影响长期引文动态？
- RQ2为何一些科学论文经历引文数量的爆发式增长，而其他论文在相似初始条件下却不如此？
- RQ3在使用校准的随机模型时，引文动态在多大程度上可以实现概率预测？
- RQ4间接引文（来自引文论文的参考文献列表）在塑造论文参考书目中参考文献的年龄分布中起什么作用？
- RQ5论文的引文寿命如何依赖于其引文数量，其高度引用论文中观察到的发散现象又如何解释？
主要发现
- 该模型揭示了引文过程中的动态非线性，即引文某论文的概率随其被引论文数量的增加而上升，导致级联引文效应。
- 实证数据证实，科学论文中参考文献的年龄分布呈幂律衰减，与模型预测一致。
- 论文的引文寿命 τ₀ 随其引文数量 k 增加而增加，当 k > 600–1000 时发生发散，表明存在爆发式引文行为。
- 该模型不仅通过优先连接解释“越富越富”现象，更通过非线性反馈机制解释了部分论文进入自维持引文级联的原因。
- 非线性模仿系数 q(k) 在 γ′ − q(k) < 0 时导致引文数量呈指数增长，从而产生发散的引文分布。
- 该模型对引文分布和参考文献年龄构成的预测结果与大规模1984年物理学期刊论文实证数据高度吻合，验证了其准确性和校准性。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。