使用多层感知器神经网络预测生物医学论文的临床引用次数
计算与语言
2022-10-24 v3 机器学习
摘要
来自临床指南或临床试验的临床引用次数，已被视为量化生物医学论文临床影响力的适当指标之一。因此，早期预测生物医学论文的临床引用次数对于生物医学中的科研评价、资源分配和临床转化等科学活动至关重要。在本研究中，我们设计了一个四层多层感知器神经网络（MPNN）模型，利用1985年至2005年发表的9,822,620篇生物医学论文，预测其未来的临床引用次数。我们从三个维度提取了九十一个论文特征作为模型输入，包括论文维度二十一个特征、参考文献维度三十一个特征和引证论文维度三十一个特征。在每个维度中，特征可分为三类，即引用相关特征、临床转化相关特征和主题相关特征。此外，在论文维度中，我们还考虑了先前被证明与研究论文引用次数相关的特征。结果表明，所提出的MPNN模型优于其他五个基线模型，且参考文献维度的特征最为重要。
引用
@article{arxiv.2210.06346,
title = {Predicting the clinical citation count of biomedical papers using multilayer perceptron neural network},
author = {Xin Li and Xuli Tang and Qikai Cheng},
journal= {arXiv preprint arXiv:2210.06346},
year = {2022}
}
备注
25 pages, 8 figures