基于特征因子算法改進(jìn)的作者影響力評價研究

摘要：特征因子算法是評價期刊質(zhì)量的一種重要方法，文章在特征因子算法基礎(chǔ)上通過改進(jìn)構(gòu)造出一種作者影響力評價的新算法。首先對特征因子算法原理進(jìn)行簡單介紹。然后通過分析作者引用相較期刊引用的特殊性，對特征因子算法進(jìn)行了改進(jìn)，并對其實(shí)現(xiàn)步驟進(jìn)行了詳細(xì)說明。最后，選擇國內(nèi)圖情學(xué)作者引用網(wǎng)絡(luò)進(jìn)行應(yīng)用研究，得到了這些作者的影響力排名，并與傳統(tǒng)的被引次數(shù)進(jìn)行了比較。

關(guān)鍵詞：作者影響力；特征因子算法；改進(jìn)

中圖分類號：G350文獻(xiàn)標(biāo)志碼：A文章編號：10085831（2015）02010604隨著信息經(jīng)濟(jì)時代向知識經(jīng)濟(jì)時代的發(fā)展，知識溝通顯得尤為重要，文獻(xiàn)是知識傳播的主要載體，而作者是文獻(xiàn)的創(chuàng)作者，所以作者已經(jīng)成為知識創(chuàng)造的力量源泉和知識傳播的主要承載者。作者影響力的評價一直是科研管理界和學(xué)者們關(guān)注的焦點(diǎn)問題，不少學(xué)者對此進(jìn)行了一系列研究，產(chǎn)生了眾多影響力較大的成果，主要集中在如下三個方面：一是被引次數(shù)。美國信息學(xué)家E.Garfield曾編制《科學(xué)引文索引》，首次系統(tǒng)化地對作者之間的引用進(jìn)行研究，并提出用被引次數(shù)對作者的影響力進(jìn)行評估[1]；二是h指數(shù)。美國物理學(xué)家J.E. Hirsch將作者的發(fā)文量和被引次數(shù)進(jìn)行綜合考量，提出h指數(shù)對作者進(jìn)行評價研究[2]；三是改進(jìn)的pagerank算法。如美國印地安那大學(xué)的Ying Ding考慮到作者引用與網(wǎng)頁鏈接之間的相關(guān)性，于是提出對pagerank算法進(jìn)行改進(jìn)以對作者影響力進(jìn)行評價[3]。以上研究中前兩方面都是僅圍繞作者的絕對被引次數(shù)展開，第三個方面的研究雖然在考慮作者被引次數(shù)的同時也將施引作者的影響力考慮進(jìn)去，但對一些參數(shù)的處理方面還有可改進(jìn)之處。隨著對期刊評價的一種新算法——特征因子算法的提出，該算法在考慮期刊引用之間的被引次數(shù)和施引期刊的影響力之外，將其引用的方向性和多次引用情況都考慮進(jìn)去[4]，這樣對于評價期刊的影響力更具有科學(xué)性和說服力。D. Jevin考慮到期刊評價與作者評價之間有非常明顯的相似性，開始嘗試將該算法運(yùn)用到對作者影響力評價中[5]，而國內(nèi)有不少學(xué)者只是針對特征因子算法自身的原理等進(jìn)行探究[6-8]，目前尚未有學(xué)者將該算法應(yīng)用到對作者的評價研究中。

本文試圖將特征因子算法拓展到對作者影響力的評價研究中，并且根據(jù)作者影響力評價研究自身的特殊性對該算法進(jìn)行改進(jìn)，提出一種對作者影響力評價的新算法，這樣不僅是對作者影響力評價研究領(lǐng)域的補(bǔ)充，也為該方面的研究提供了一個新的視角。

一、特征因子的基本算法

影響因子在計算期刊的引用次數(shù)時，對于不同期刊的引用都平等對待，只統(tǒng)計引用次數(shù)，而事實(shí)上，不同期刊的價值有很大的差別，如Nature和Science這樣影響力非常大的期刊，顯然不能和一些普通期刊的引用份量同等對待，兩篇文章分別被Nature引用和被一個不知名的期刊引用，則這兩篇文章的質(zhì)量相差很大。基于這樣的現(xiàn)實(shí)情況，于是就引入特征因子（Eigenfactor）這個指標(biāo)，該指標(biāo)的制定考慮了引用該期刊的期刊源的權(quán)重，通過期刊之間的引用情況構(gòu)建期刊引用網(wǎng)絡(luò)，從而對期刊的重要性進(jìn)行評價。特征因子算法工作原理具體如下：首先選擇一個期刊，并任意選擇該期刊中一個參考文獻(xiàn)鏈接到另一個期刊，然后在之前鏈接到的那個期刊中再任意選出一個參考文獻(xiàn)，再繼續(xù)鏈接到對應(yīng)的下一個期刊，依此類推，不停地重復(fù)這個行為，于是發(fā)現(xiàn)被鏈接到次數(shù)越多的期刊，其影響力越大，鏈接到該期刊的概率值的百分位數(shù)就是該期刊的特征因子值。

特征因子算法主要包括兩大步驟，首先對期刊引用矩陣進(jìn)行規(guī)范化處理，即：Mij=ZijkZkj，其中Zij表示期刊j來自期刊i的被引次數(shù)， kZkj表示期刊j的總被引次數(shù)；然后構(gòu)建過渡矩陣，即：P=αM′+（1-α）A，其中α表示期刊引用過程中的阻尼系數(shù)，一般取0.85，M′表示矩陣M經(jīng)懸點(diǎn)處理后的隨機(jī)矩陣，A表示期刊發(fā)文量向量對應(yīng)的單位向量，即A=a·eT；最后通過計算過渡矩陣的最大特征值得到期刊的特征因子得分[5]。

二、改進(jìn)的特征因子算法

重慶大學(xué)學(xué)報（社會科學(xué)版）2015年第21卷第2期

馬瑞敏，等基于特征因子算法改進(jìn)的作者影響力評價研究

作者之間的引用與期刊之間的引用情況非常相似，但兩者也有一定的區(qū)別。通常，一個期刊的被引用情況與其所承載的論文數(shù)量有很大關(guān)系，承載論文數(shù)量越多的期刊越有機(jī)會得到其他期刊的引用，而作者之間的引用受作者自身被引次數(shù)的多少影響較大，受作者的發(fā)文量的影響相對較小。因此在如下兩方面進(jìn)行改進(jìn)：第一，將特征因子算法中的A改進(jìn)為作者被引次數(shù)向量對應(yīng)的單位向量；第二，在構(gòu)建隨機(jī)矩陣M′時，用作者被引次數(shù)向量代替懸點(diǎn)向量，從而對矩陣M進(jìn)行改進(jìn)后的懸點(diǎn)處理。改進(jìn)后作者影響力算法的具體步驟如下。

（1）構(gòu)建作者引用網(wǎng)絡(luò)矩陣。考慮作者引用與期刊引用的相似性，可以根據(jù)特征因子對期刊評價的原理與思路，模仿期刊引用網(wǎng)絡(luò)矩陣構(gòu)建的方法來構(gòu)建作者引用網(wǎng)絡(luò)矩陣。矩陣中第一行的作者表示被引作者，第一列的作者表示引用作者，矩陣中的元素表示被引次數(shù)。由于排除了自引，所以矩陣對角線上全為0，矩陣Z即為n個作者的作者引用網(wǎng)絡(luò)矩陣，元素Ci，j表示矩陣中作者之間的引用次數(shù)。

（2）對第（1）步中所構(gòu)建的作者引用網(wǎng)絡(luò)矩陣進(jìn)行規(guī)范化處理，即用每列被引次數(shù)除以該列被引次數(shù)的總和，矩陣中相應(yīng)元素可以用如下的公式表示：Hi，j=Ci，jni=1Ci，j

（3）懸點(diǎn)的處理。由于發(fā)現(xiàn)有些作者從來沒有引用過其他作者，因此在所構(gòu)建的作者引用網(wǎng)絡(luò)矩陣中就會有這些作者對應(yīng)的列全為0的現(xiàn)象出現(xiàn)，于是稱之為懸點(diǎn)。用1對應(yīng)該矩陣中懸點(diǎn)所在的列，用0對應(yīng)該矩陣中非懸點(diǎn)所在的列，則由1和0組成的行向量就可以表示該矩陣。假設(shè)第二個作者從來沒有引用過其他作者，則在作者引用矩陣中第二列的值全為0，如下所示的向量d即可以表示該作者引用矩陣：d=（010…0）。

（4）計算作者被引次數(shù)向量。每個作者的被引次數(shù)除以所有作者總的被引次數(shù)，這樣的一個列向量即為作者被引次數(shù)向量，則作者被引次數(shù)向量中的元素可以用如下的公式表示：ai，1=（5）將所構(gòu)建的作者引用網(wǎng)絡(luò)矩陣中的懸點(diǎn)用被引次數(shù)向量代替，構(gòu)建出一個隨機(jī)矩陣，該隨機(jī)矩陣對應(yīng)作者在科學(xué)文獻(xiàn)引用中的隨機(jī)漫游過程。此時與特征因子有所不同，特征因子是用文章向量來代替期刊引用網(wǎng)絡(luò)矩陣中的懸點(diǎn)，而本文在對作者的引用網(wǎng)絡(luò)進(jìn)行研究時選擇了用被引次數(shù)向量來代替懸點(diǎn)，這里主要考慮了在對期刊的引用時其隨機(jī)性主要受期刊中文章數(shù)量的影響，而對作者的引用主要是受作者的被引次數(shù)的影響，與作者所發(fā)文章數(shù)的關(guān)系相對較小，故在本文中選擇用被引次數(shù)向量來替代作者引用網(wǎng)絡(luò)矩陣中的懸點(diǎn)。如第（3）步中作者引用矩陣中第二列的元素可以用如下公式表示：Hi，2=nj=1Ci，jni=1nj=1Ci，j。

（6）構(gòu)建過渡矩陣。定義過渡矩陣P=αM′+（1-α）A， 即P=αM′+（1-α）a·eT，其中α為阻尼系數(shù)，仍然取0.85，M′為第（5）步中構(gòu)建出的隨機(jī)矩陣，a為第（4）步中的作者被引次數(shù)向量。在此基礎(chǔ)上，再定義π為作者影響力向量，π由過渡矩陣的最大特征值所對應(yīng)的那個向量表示。

（7）計算作者影響力值。作者影響力值向量的計算與特征因子值向量的計算相似，是對應(yīng)作者引用網(wǎng)絡(luò)矩陣和第（6）步中π的點(diǎn)積，經(jīng)過規(guī)范化處理后乘以100，換算為百分值所得。

（8）用Matlab軟件編寫程序進(jìn)行迭代計算，計算出最終結(jié)果。

三、應(yīng)用研究

（一）數(shù)據(jù)的收集與處理

本文選擇中國圖書情報領(lǐng)域內(nèi)的所有作者在2010-2012年的引用情況作為研究對象。為了保證收集數(shù)據(jù)的可靠性與科學(xué)性，我們選擇中國社會科學(xué)引文索引（CSSCI）數(shù)據(jù)庫作為本次研究的數(shù)據(jù)來源。另外，在高級檢索處，選擇發(fā)文年代：2010-2012年；文獻(xiàn)類型：論文；學(xué)科類別：圖書館、情報與文獻(xiàn)學(xué)；學(xué)位類別：圖書館、情報與檔案管理（一級），其他都為默認(rèn)的選擇。最終得到文獻(xiàn)記錄為24 041條，作者數(shù)為27 036個。構(gòu)建27036×27036矩陣，然后利用Matlab自編程序進(jìn)行數(shù)據(jù)清理和計算。

（二）結(jié)果分析

基于改進(jìn)算法，得到這27 036位作者的影響力得分。首先，對所有作者的影響力的分布進(jìn)行分析，結(jié)果呈現(xiàn)出非常明顯的偏斜現(xiàn)象（圖1），符合長尾分布特征。

圖1作者影響力的偏斜分布圖

從圖1中可以看出，只有極少數(shù)作者的影響力較高，大部分作者的影響力都很低，并且有不少作者的影響力為0。另外，從圖中作者影響力的偏斜程度看，影響力較高的作者之間波動也相對較大，呈現(xiàn)出明顯的下滑趨勢，可見該領(lǐng)域內(nèi)高影響力的學(xué)者偏少，作者間影響力強(qiáng)弱差距較大。也從一個側(cè)面可以看出本文所提出的方法能夠較好地區(qū)分作者之間的影響力。

為了更好地觀察結(jié)果，下面對前50名作者進(jìn)行研究。被引次數(shù)是當(dāng)前評價作者影響力非常重要的指標(biāo)，雖然h指數(shù)提出這么多年，但是仍然不能取代被引次數(shù)在作者影響力評價中的獨(dú)特地位。下面就本文所提方法結(jié)果和被引次數(shù)進(jìn)行比較，表1給出的是前50名作者的影響力與作者被引次數(shù)的具體分布情況。

可以看出運(yùn)用新算法所得的作者影響力評價結(jié)果的排名與作者被引次數(shù)的排名呈現(xiàn)非常明顯的正相關(guān)性。從表1中也可以看出運(yùn)用新算法評價出的作者影響力排名中前3名作者的被引次數(shù)排名完全相同，其余大部分作者運(yùn)用新算法所得的排名和被引次數(shù)排名的差距也基本在±5名內(nèi)。由此可見，本文提出的方法所得結(jié)果和被引次數(shù)很相關(guān)，是被引次數(shù)的有益補(bǔ)充。

另外，從原理看，改進(jìn)的特征因子算法不僅考慮了作者的絕對被引次數(shù)，而且將施引作者的影響力也考慮進(jìn)去，使對作者影響力的評價更有說服力，這在對圖情學(xué)學(xué)者的評價中也有所體現(xiàn)。如邱冠華、賴茂生、孟廣均等作者，他們都是該學(xué)科領(lǐng)域內(nèi)的精英或者某個方面的帶頭人，通過查閱原始數(shù)據(jù)發(fā)現(xiàn)他們的被引次數(shù)相對不是很高，排名稍靠后，但是施引作者的影響力都相對較強(qiáng)，那么這些作者的影響力排名靠前是可以解釋通的。從這點(diǎn)出發(fā)，本文提出的方法在原理上有一定的優(yōu)越性，得到的結(jié)果也符合實(shí)際。

四、結(jié)語

作者影響力評價是當(dāng)前科學(xué)計量學(xué)研究的熱點(diǎn)，不同學(xué)者提出了不同的解決方案。本文受特征因子這一期刊質(zhì)量評價方法的啟迪，對其進(jìn)行了改進(jìn)，使其更符合作者引用網(wǎng)絡(luò)的特征。文章詳細(xì)介紹了實(shí)現(xiàn)新算法的步驟，并將該方法應(yīng)用在中國圖情學(xué)學(xué)者影響力評價上，發(fā)現(xiàn)該方法能夠較好地區(qū)分作者的影響力，其分布符合長尾分布特征。與作者引用次數(shù)——一種經(jīng)典的作者影響力評價指標(biāo)相比，本文提出的新方法不僅原理上較為科學(xué)，而且在結(jié)果呈現(xiàn)上和作者被引次數(shù)所得排序高度等級相關(guān)，但兩者也有一定差別。通過實(shí)例分析可證實(shí)本方法較符合實(shí)際，切實(shí)可行，能夠成為作者影響力評價方法的有益補(bǔ)充。

參考文獻(xiàn)：

[1]邱均平.信息計量學(xué)[M].武漢：武漢大學(xué)出版社，2007.

[2]HIRSCH J E. An index to quantify an individual’s scientific output[J]. Proceedings of the National Academy of Sciences of the United States of America， 2005， 102 （46）：16569-16572.

[3]YING D. Applying weighted ragerank to author citation networks[J]. Journal of the American Society for Information Science and Technology， 2011， 62（2）：236-245.

[4]BERGSTROM C T， WEST J D， et al. The eigenfactor metrics[J]. The Journal of Neuroscience， 2008， 28（45）：11433-11434.

[5]JEVIN D W.Authorlevel eigenfactor metrics： Evaluating the influence of authors， institutions， and countries within the social science research network community[J]. Journal of the American Society for Information Science and Technology， 2013（4）：787-801.

[6]劉艷華，華薇娜.期刊評價新指標(biāo)——特征因子[J].情報雜志，2010（7）：122-126.

[7]米佳，濮德敏.特征因子原理及實(shí)證研究[J].大學(xué)圖書館學(xué)報，2009（6）：63-68.

[8]任勝利.特征因子（ Eigenfactor）：基于引證網(wǎng)絡(luò)分析期刊和論文的重要性[J].中國科技期刊研究，2009，20（3）：415-418.