一种用于衡量出版物影响力的场域和时间归一化贝叶斯方法

以公平的方式衡量出版物的影响力是文献计量学中的一个重大挑战，因为它不应引入领域间的偏差，并应能够比较不同年份出版物的影响力。在本文中，我们提出了一种贝叶斯方法来解决这一问题，其动机来自展示引用分布异质性的经验数据。该方法利用每个领域引用的先验分布来估计该领域的后验期望分布。然后利用该分布对该领域出版物收到的引用进行归一化。我们的主要贡献是贝叶斯影响力得分（Bayesian Impact Score），这是一种衡量出版物影响力的指标。该得分随收到引用数量的增加而增加且呈凹形，随出版物年龄的增长而减少且呈凸形。这意味着额外引用的边际得分随着累计引用数量的增加而减少，随着文档出版时间的增长而增加。最后，我们使用 Scopus 数据库在八个学科类别中展示了该方法的经验应用，并与 Dimensions AI 数据库中的归一化影响力指标领域引用比率（Field Citation Ratio）进行了比较。