提前一年预测期刊的引文量与 CiteScore
数字图书馆
2022-10-25 v1 机器学习
摘要
预测学术期刊的未来表现是一项可使包括编辑人员、出版商、索引服务、研究人员、高校管理者及资助机构在内的多方受益的任务。利用期刊表现的历史数据，这可被构建为一个机器学习回归问题。本工作中，我们研究两个此类回归任务：1）预测期刊在下一日历年将获得的引文数量；2）预测期刊将在下一日历年被分配的 Elsevier CiteScore。为应对这些任务，我们首先构建了一个收录于 Scopus 的期刊历史文献计量数据集。我们提出使用基于该数据集训练的神经网络模型来预测期刊的未来表现。为此，我们对多层感知机与长短期记忆网络进行了特征选择与模型配置。通过与启发式预测基线及经典机器学习模型的实验对比，我们证明了所提模型在未来引文与 CiteScore 值预测上的优越性能。
引用
@article{arxiv.2210.12908,
title = {Predicting the Citation Count and CiteScore of Journals One Year in Advance},
author = {William Croft and Jörg-Rüdiger Sack},
journal= {arXiv preprint arXiv:2210.12908},
year = {2022}
}