科学影响的早期指标：利用Altmetrics预测引用
数字图书馆
2020-12-29 v1 计算机与社会
机器学习
社会与信息网络
摘要
在早期阶段识别重要的学术文献对学术研究界以及其他利益相关者（如科技公司与政府机构）至关重要。鉴于已发表研究的数量庞大以及不断变化的跨学科领域的增长，研究人员需要一种有效的方式来识别重要的学术成果。某篇研究论文所累积的引用次数一直被用于此目的，但引用的发生需要时间，其积累更需要更长时间。在本文中，我们利用altmetrics预测学术出版物可能获得的短期与长期引用。我们构建了多种分类与回归模型并评估其性能，发现神经网络与集成模型在这些任务上表现最佳。我们还发现Mendeley读者数是预测早期引用的最重要因素，其后依次为其他诸如读者的学术身份（如学生、博士后、教授）、Twitter关注者数、在线帖子长度、作者数量，以及在Twitter、Wikipedia和不同国家间的提及次数等因素。
引用
@article{arxiv.2012.13599,
title = {Early Indicators of Scientific Impact: Predicting Citations with Altmetrics},
author = {Akhil Pandey Akella and Hamed Alhoori and Pavan Ravikanth Kondamudi and Cole Freeman and Haiming Zhou},
journal= {arXiv preprint arXiv:2012.13599},
year = {2020}
}