分类:引用骨架挖掘

引用骨架挖掘就是指从所有的引用关系中，发现，真正的基础性，代表知识传递、融合的那些引用。引用是科学学中最重要的关系之一（其他还有作者-论文“写作”关系、论文-主题“工作在”关系）。一篇文章的引用次数就好像是一个产品在经济系统里面的价格。但是，由于学科引用传统等差异，各个学科的并不能直接相比较，也就是需要一个汇率转换。另外，很多时候，引用表示“我已经看过这个文献”，而不一定是“它是我这个工作的基础”。因此，如何把引用骨架识别出来就成了一个科学学研究的基本问题。

引用骨架挖掘的问题可以表达成给每一条引用边一个权重的问题。从某一篇施引文献p开始，例如，目前常用的不区分的方式就是给它的引文同样的权重，也就是[math]\displaystyle{ \left[1,1,\cdots,1\right] }[/math]。施引方归一就是给它们这样的区中[math]\displaystyle{ \frac{1}{r_{p}}\left[1,1,\cdots,1\right] }[/math]，其中[math]\displaystyle{ r_{p} }[/math]就是p的总参考文献数量。还有的研究者主张（缺参考文献）按照引文在文章中出现的总次数来给权重，例如，[math]\displaystyle{ \frac{1}{r_{p}}\left[c_1,c_2,\cdots,c_{r_{p}}\right] }[/math]。还有的研究者提出来需要考虑在哪里引用，以及施引文章和被引文章之间的某种相似性（见^[1]的引文）。那么，问题来了，有没有一个综合考虑这些因素找出来哪些因素最管用，并且更进一步做好这样一个识别骨架的算法和产品的呢？

或者，能不能换一个思路，在给权重和不给权重的引文网络上，做一下边的某种权重算法，例如把PageRank放在边上，这样来进一步区别边呢？

另一个方法是通过压缩引文网络的边，最好能够只保留有学术影响意义的引文。这样的保留方式有很多中，比如，仅仅保留到最早的文献的引用（这个相当于^[2]里面的Transitive Reduction（保连通性删边?）），仅仅保留到最晚的文献的引用，甚至考虑机器学习的自动特征提取^[1]。更多的关于^[1]可能的进一步研究，见Measuring academic influence: Not all citations are equal。

另一个关键问题是，判断那种算法的结果最好的标准是什么？文献^[1]收集了一个作者自己标注哪些引用是有实质学术影响的引用的数据，可以供进一步中暂时当做判断标准研究使用，见数据集。

参考文献