融合论文引用与学者信息的交叉领域学术影响力分析

[目的/意义]交叉学科内的学术影响力评价是科学计量领域的重要研究内容,其对探究跨学科知识融合趋势及科研人员影响力的测度与评价等具有十分重要的意义。当前的影响力度量方法普遍存在着论文引用的载体单一化、传播单向化,并且没有考虑学者领域交叉程度等问题。[方法/过程]通过提取学者自身的领域信息特征,把影响力双向传播引入论文引用网络中,提出了一种融合论文引用传播与学者信息传播的交叉领域学术影响力识别方法(IPCSI),该方法首先通过量化t时刻节点文献的学科交叉度,构建学者—论文交叉度矩阵,在此基础上将引证文献对节点文献的引用传播作为影响力连边,计算t+1时刻引文因子向量,利用图上排序算法实现学术影响力的后向引文传播。其次,从学者间合著领域相关性视角,通过增加以学者自身为传播载体的学者影响力连边,计算t-1时刻学者因子向量,模拟该时刻下学术影响力的前向信息传播。最后,通过同时建模论文引文传播与学者信息传播,客观再现学术影响力的前序与后序传播过程,并采用调和计量方法分配学术贡献度,最终完成学者影响力双向传播的量化分析。[结果/结论]在真实数据集上验证了IPCSI方法的有效性与可行性,实验结果表明通过结合论文引用粒度与学者信息粒度,能够丰富交叉领域内学术影响力的传播路径,提升学术影响力评价的准确性。

融合局部语义特征的学者细粒度信息提取方法

从学者主页中提取的学者细粒度信息(如学者研究方向、教育经历等)在大规模专业人才库的创建等方面具有非常重要的应用价值。针对现有学者细粒度信息提取方法无法有效利用上下文语义联系的问题,提出一种融合局部语义特征的学者信息提取方法,利用局部范围文本的语义联系对学者主页进行细粒度信息抽取。首先,通过全词掩码中文预训练模型RoBERTa-wwm-ext学习通用语义表征;之后将通用语义表征中的目标句表征向量与局部相邻文本表征向量共同输入卷积神经网络(CNN)实现局部语义融合,从而获得更高维度的目标句表征向量;最终将目标句表征向量从高维度空间映射到低维度标签空间实现学者主页细粒度信息的抽取。实验结果表明,使用此融合局部语义特征的方法进行学者细粒度信息提取的宏平均F1值达到93.43%,与未融合局部语义的RoBERTa-wwm-ext-TextCNN方法相比提高了8.60个百分点,验证了所提方法在学者细粒度信息提取任务上的有效性。

民法典学者建议稿信息结构及其参与者的社会网络

受公共财政投入不足的低(零)成本立法策略约束,当代中国民法典的立法者不得不委托与自己有强关系的学者作为主持人起草学者建议稿,试图在学者建议稿的基础上整合成立法草案。而同样受制于公共财政的投入不足,主持人也不得不选择与自己有强关系和同质性的人作为建议稿起草者,形成了一种存在信息结构性缺陷的参与人的社会网络,进而直接导致了起草者倾向于信息成本较低的西方法制信息的搜寻和利用,而对信息成本较高的中国社会自身信息的搜寻和利用较少,最终形成了民法典学者建议稿的信息结构性缺陷。为了减少甚至消除信息结构性缺陷对学者建议稿的制度性影响,必须改变低(零)成本立法策略,加大公共财政投入,建立需求导向型的法学创新和投资体制,强化起草设计与管理,优化起草网络。

First and Others credit-assignment schema for evaluating the academic contribution of coauthors

共同作者学术贡献分配模式提供了固定或灵活的信用分配公式,并广泛应用于评估科学出版物共同作者的贡献。本文提出了一种新颖的"第一和其他(First and Others,F&O)合作者"分配模式。通过引入调整参数α和权重β,使得信用分配具备以下新的属性:(1)通过修改公式(调整参数α)或强调单个作者贡献(调整权重β)体现学术贡献分配的灵活性和适用性;(2)将第一作者的贡献与其他作者分开计算,第二作者的贡献会根据α参数的变化,呈现出拐点。文中提出相应定理和证明,揭示了"第一和其他(F&O)合作者"分配模式新的特性,应是对文献计量学基本理论的贡献。F&O模式亦可应用于"强调第一作者学术贡献"的策略。通过对一组来自化学、医学、心理学和哈佛-芝加哥调查数据的应用,F&O模式与其他方法进行了分析比较,若干测定系数的优化显示出本文方法的先进性。