从文字到价值：基于大语言模型的新生文章影响力预测

随着学术领域的扩展，高效识别新发表文章影响力的挑战变得愈发重要。本文提出了一种有前景的方法，利用大语言模型（LLM）的能力，仅基于标题和摘要来预测新生文章的未来影响力。该方法超越了传统上严重依赖外部信息的方法，通过大语言模型从大量标题-摘要对中识别高影响力论文的共享语义特征。这些语义特征进一步用于预测所提出的指标 TNCSI_SP，该指标在数值、领域和时间维度上均具有有利的归一化性质。为了实现大语言模型的参数高效微调，我们还精心策划了一个包含超过 12,000 条记录的数据集，每条记录均标注了标题、摘要及其对应的 TNCSI_SP 值。定量结果（MAE 为 0.216，NDCG@20 为 0.901）表明，与多种有前景的方法相比，所提出的方法在预测新生文章影响力方面达到了最先进性能。最后，我们展示了一个预测新生期刊文章影响力的实际应用案例，以证明其显著的实用价值。总体而言，我们的发现挑战了现有范式，并提出了一种向更以内容为导向的学术影响力预测方式的转变，为文章影响力预测提供了新的见解。