出版级网络中直接引用的归一化：六种方法的评估

出版物网络的聚类是获取大规模研究文献集合分类的有效方式。此类分类可用于例如检测研究主题、归一化引用关系或探索某单位的出版产出。引用网络可通过多种方法构建。利用聚类获得分类的最佳实践已被研究，尤其是不同出版物-出版物相关性度量的性能。然而，不同直接引用关系归一化方法的评估尚未得到同等程度的探讨。本文中，我们在四个数据集上针对聚类解质量评估了五种直接引用关系归一化方法。第六种方法在不进行归一化的情况下评估。为评估聚类解的质量，我们使用三种度量。(1) 我们利用调整兰德指数将聚类解与一组出版物的参考文献列表进行比较。(2) 利用轮廓宽度度量，我们量化出版物与其被分配簇之外其他簇具有关系的程度。(3) 我们提出一种捕捉可能被不准确分配之出版物的度量。结果清晰表明归一化优于未归一化的直接引用关系。此外，结果表明作为标准方法可考虑的分数归一化方法会导致不准确的分配。几何归一化方法在调整兰德指数和轮廓宽度方面与分数方法性能相近，但导致更少的不准确分配。因此我们认为几何方法可能优于分数方法。