基于CART分类方法的期刊操纵引用行为识别建模研究

当前，一些学术期刊在利益的驱使下，通过大量自引和结成“互引同盟”的方式快速提高被引频次和影响因子等指标，影响了引文分析的公平性。基于此，本文首先利用数据挖掘中的CART分类算法构建期刊操纵引用行为的识别模型，设计了识别操纵引用行为的4个评价指标：白引率、被引年代分布、被引密度比和引用密度比。并采用国内某引文数据库中的50本综合性社会科学期刊作为实验样本，采集该期刊群2009年的引文数据作为训练数据集，2008年的引文数据作为验证数据集。最后，运用2010年的引文数据对期刊操控行为识别模型的有效性进行验证，实验结果证明，本文构建的分类模型可以有效地对期刊引用操纵行为进行识别。