算法构建的出版物级研究文献分类的粒度：研究主题的识别
数字图书馆
2018-01-09 v1
摘要
本研究的目的是为算法构建的出版物级研究文献分类（ACPLC）找到一种有理论依据、实际适用且有用的粒度水平。所讨论的层级是研究主题的层级。我们提出的方法利用综述论文及其参考文献构建基线分类。使用一个包含约 3100 万篇出版物及其相互引用关系的数据集，获得多个不同粒度的 ACPLC。将每个 ACPLC 与基线分类比较，并识别出表现最佳的 ACPLC。两个案例研究的结果表明，案例的主题与所识别 ACPLC 的不同类别密切相关，且这些类别往往只涉及一个主题。此外，类别规模差异适中，仅很小比例的出版物属于极小的类别。基于这些原因，我们得出结论：所提方法适用于确定 ACPLC 的主题粒度水平，且由该方法识别的 ACPLC 对文献计量分析有用。
引用
@article{arxiv.1801.02466,
title = {Granularity of algorithmically constructed publication-level classifications of research publications: Identification of topics},
author = {Peter Sjögårde and Per Ahlgren},
journal= {arXiv preprint arXiv:1801.02466},
year = {2018}
}