引用次數(shù)、相對(duì)影響力和社會(huì)網(wǎng)絡(luò)在論文評(píng)價(jià)中的應(yīng)用

，，，

學(xué)術(shù)論文是科研活動(dòng)特別是基礎(chǔ)研究的重要產(chǎn)出成果，一定程度上反映了國(guó)家地區(qū)、機(jī)構(gòu)和個(gè)人的科研水平[1]。論文是科研人員績(jī)效考核、職稱評(píng)定的重要指標(biāo)之一[2]，也是科技資源配置的重要參考之一，因此得到了科研管理人員和科研工作者的廣泛關(guān)注?？陀^科學(xué)的論文評(píng)價(jià)對(duì)于激發(fā)科研工作者的積極性、合理配置科技資源和營(yíng)造健康的學(xué)術(shù)環(huán)境具有重要意義。

1 論文評(píng)價(jià)的方法

論文評(píng)價(jià)主要有定性評(píng)價(jià)和定量評(píng)價(jià)兩種方法。定性評(píng)價(jià)的主流方法是同行評(píng)議，例如2002年由維特克·特拉茨(Vitek Tracz)創(chuàng)立的全球最大的醫(yī)學(xué)和生物學(xué)專家組成的F1000，具有很高的認(rèn)可度[3]。但同行評(píng)議存在成本太高，評(píng)價(jià)標(biāo)準(zhǔn)主觀性強(qiáng)、隨意性大的問(wèn)題[4]。目前常見的論文評(píng)價(jià)定量方法有以下幾種。

1.1 利用期刊影響因子對(duì)論文進(jìn)行評(píng)價(jià)

但葉繼元[4]等學(xué)者指出，期刊評(píng)價(jià)不等于論文評(píng)價(jià)，以期刊影響力、影響因子作為論文評(píng)價(jià)的標(biāo)準(zhǔn)不合理、不科學(xué)。

1.2 利用論文被引頻次評(píng)價(jià)論文

1.2.1 缺陷

該方法只是對(duì)論文被引次數(shù)進(jìn)行簡(jiǎn)單計(jì)數(shù)，存在以下3個(gè)缺陷。一是沒有考慮學(xué)科領(lǐng)域、出版時(shí)間等論文屬性會(huì)造成論文被引機(jī)會(huì)的不同，二是沒有考慮施引文獻(xiàn)的重要性區(qū)別，三是沒有考慮論文在引用網(wǎng)絡(luò)中的結(jié)構(gòu)重要性。

1.2.2 改進(jìn)方法

針對(duì)第一個(gè)問(wèn)題，湯森路透(Thomson Reuters)基本科學(xué)指標(biāo)數(shù)據(jù)庫(kù)(ESI)對(duì)學(xué)科、出版年份等進(jìn)行標(biāo)準(zhǔn)化處理，提出相對(duì)影響力指標(biāo)。也有學(xué)者基于ESI統(tǒng)計(jì)數(shù)據(jù)對(duì)高水平論文、不同領(lǐng)域熱點(diǎn)論文和高被引論文等進(jìn)行分析[5-9]，但其問(wèn)題是學(xué)科分類的粒度較粗。針對(duì)第二個(gè)問(wèn)題，劉昌來(lái)[10]等運(yùn)用加權(quán)被引頻次，蘇成[11]等將PageRank運(yùn)用到論文評(píng)價(jià)中，體現(xiàn)了施引文獻(xiàn)的重要性。針對(duì)第三個(gè)問(wèn)題，邱均平[12]、劉蓓[13]和姜磊[14]等將社會(huì)網(wǎng)絡(luò)分析的方法運(yùn)用到論文評(píng)價(jià)中，反映了論文在引文網(wǎng)絡(luò)結(jié)構(gòu)中的重要程度，證明了社會(huì)網(wǎng)絡(luò)分析方法也適用論文引用網(wǎng)絡(luò)。

1.3 從被引頻次、相對(duì)影響力和中心度評(píng)價(jià)窄主題的論文

上述的改進(jìn)方法一定程度上比被引頻次更合理，但也存在以下問(wèn)題：ESI的相對(duì)影響力指標(biāo)粒度較粗；缺少?gòu)恼黝}出發(fā)評(píng)價(jià)論文的研究，論文評(píng)價(jià)應(yīng)該放在一個(gè)比較窄的主題下才有意義，因?yàn)樵谝粋€(gè)大的領(lǐng)域中，不同主題的被引機(jī)會(huì)也是不同的，而且被同主題的論文引用的重要性也要大于被其他相關(guān)領(lǐng)域的論文引用，也就是說(shuō)被“小同行”的認(rèn)可更重要些；缺少?gòu)闹黝}引用結(jié)構(gòu)角度對(duì)不同算法的排序結(jié)果產(chǎn)生影響因素分析研究。為解決以上3個(gè)問(wèn)題，本文以“雌性生殖力維持”這個(gè)窄主題為例，從被引頻次、相對(duì)影響力和中心度3方面進(jìn)行論文的評(píng)價(jià)研究。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來(lái)源

本文選用科學(xué)引文索引網(wǎng)絡(luò)擴(kuò)展版(SCI-E)核心合集數(shù)據(jù)庫(kù)作為數(shù)據(jù)檢索源，基于生物生殖領(lǐng)域中“雌性生殖力維持”主題的研究熱點(diǎn)，抽出可表征主題所在領(lǐng)域的主題詞，并根據(jù)Mesh主題詞表擴(kuò)充完善主題詞，完成對(duì)基本主題詞的構(gòu)建，并不斷利用這些主題詞在Web of Science(WoS)平臺(tái)試檢、精煉，最后經(jīng)過(guò)討論確定檢索式：TS= (meiosis or meiotic* or (genome* and oocyte*) or (folliculogenesis and effect gene?) or mitochondrial inheritance or (maternal to zygotic transition or MAZ) or polycystic ovary syndrome or POS or assisted reproducti*)，檢索時(shí)間限定為2006年1月1日-2015年12月31日，文獻(xiàn)類型限定為Article和Review。

借鑒信息檢索結(jié)果評(píng)價(jià)經(jīng)驗(yàn)，從查全率、查準(zhǔn)率兩個(gè)指標(biāo)出發(fā)，不斷迭代檢測(cè)，通過(guò)刪除噪音數(shù)據(jù)和補(bǔ)充遺漏數(shù)據(jù)，從而保證數(shù)據(jù)集覆蓋了研究主題的絕大部分論文，并且集中數(shù)據(jù)與該方向高度相關(guān)，最終得到“雌性生殖力維持”主題論文37 919篇。

2.2 方法和指標(biāo)

2.2.1 方法

本文主要采用科學(xué)計(jì)量方法、社會(huì)網(wǎng)絡(luò)分析法和統(tǒng)計(jì)學(xué)方法，對(duì)論文的被引頻次、相對(duì)影響力、中介中心度和接近中心度等論文評(píng)價(jià)指標(biāo)進(jìn)行重合度和相關(guān)性分析，分析不同論文屬性對(duì)不同評(píng)價(jià)方法的影響，討論不同評(píng)價(jià)方法間的差異性和適用范圍。

2.2.2 指標(biāo)

2.2.2.1 被引頻次

本文從Global視角、Local視角分析了論文的引用情況。Global被引是指論文在WoS數(shù)據(jù)庫(kù)中所有的被引頻次，Local被引是指論文在“雌性生殖力維持”主題中的被引頻次。

2.2.2.2 相對(duì)影響力

2.2.2.3 中心度

中心度是社會(huì)網(wǎng)絡(luò)分析的研究重點(diǎn)之一，可以反映個(gè)人或者組織在其社會(huì)網(wǎng)絡(luò)中的地位[15]。本文采用社會(huì)網(wǎng)絡(luò)分析方法中的中介中心度和接近中心度對(duì)論文在研究主題子網(wǎng)中的影響力進(jìn)行測(cè)度。中介中心度表征了網(wǎng)絡(luò)中某論文作為一個(gè)節(jié)點(diǎn)在網(wǎng)絡(luò)中聯(lián)系其他兩個(gè)節(jié)點(diǎn)之間交往的能力，接近中心度表征了網(wǎng)絡(luò)中某論文作為一個(gè)節(jié)點(diǎn)在網(wǎng)絡(luò)的核心程度。

3 結(jié)果與分析

由于缺少如信息檢索領(lǐng)域的成熟標(biāo)準(zhǔn)的語(yǔ)料庫(kù)，因此如何判斷不同算法的論文評(píng)價(jià)排序結(jié)果優(yōu)劣成為一個(gè)難題。但對(duì)比不同方法得到的排序列表，至少可以分析不同算法間的差異、算法的適用范圍以及影響算法的因素。

3.1 論文被引情況分析

37 919篇論文的Global最高被引頻次為8 193，篇均被引次數(shù)為24.0；Local最高被引頻次為477，篇均被引次數(shù)為5.4，大約為Global篇均被引的1/5。也就是說(shuō)，從整體上看這些論文只有1/5的引用來(lái)自主題內(nèi)論文，4/5的引用來(lái)自于非“雌性生殖力維持”主題。因此，我們認(rèn)為，Global被引反映的是論文在全領(lǐng)域內(nèi)的影響力，而Local被引反映的是論文在主題內(nèi)的影響力，兩者既有聯(lián)系，也有區(qū)別。而在實(shí)際的論文評(píng)價(jià)工作中，Local被引的意義可能更大一些。

3.2 不同方法排序列表的對(duì)比分析

3.2.1 相關(guān)性分析

因?yàn)閿?shù)據(jù)集中零被引論文占比達(dá)到38%，而用戶多關(guān)注高被引論文，所以我們不但計(jì)算了全部論文各種算法間的相關(guān)系數(shù)，也計(jì)算了Local被引頻次>0、≥5、≥10等數(shù)據(jù)集的各種算法間的相關(guān)系數(shù)(表1)。

表1 Global被引頻次、相對(duì)影響力和中心度排序結(jié)果Spearman相關(guān)系數(shù)

注：“**”為相關(guān)性在0.01級(jí)別顯著(雙尾)

研究表明，Local被引頻次越大的數(shù)據(jù)集，相對(duì)影響力和Global被引頻次相關(guān)系數(shù)增大，相對(duì)影響力和Local被引頻次的相關(guān)系數(shù)有增大趨勢(shì)，Global被引頻次、相對(duì)影響力、Local被引頻次與中心度之間、中介中心度和接近中心度的相關(guān)系數(shù)均下降。也就是說(shuō)，Local被引頻次越大的數(shù)據(jù)集，相對(duì)影響力和Global被引頻次、相對(duì)影響力和Local被引頻次相關(guān)性越高，Global被引頻次、相對(duì)影響力、Local被引頻次分別與中心度之間，以及中介中心度和接近中心度的相關(guān)性越低。相對(duì)影響力、Global被引頻次和Local被引頻次都是基于論文被引次數(shù)的統(tǒng)計(jì)，中心度算法是基于主題內(nèi)論文引用結(jié)構(gòu)，基于相同內(nèi)核的算法之間相關(guān)性越高，基于不同內(nèi)核的算法之間相關(guān)性越低，即算法的內(nèi)核決定了排序結(jié)果的相關(guān)性。

盡管基于不同算法內(nèi)核的方法間存在差異，但總體上看，Global被引頻次、Local被引頻次、相對(duì)影響力、中介中心度和接近中心度兩兩之間均呈正相關(guān)關(guān)系。其中Local被引頻次大于0時(shí)，強(qiáng)相關(guān)的有：Global被引頻次分別和相對(duì)影響力、Local被引頻次、接近中心度之間，接近中心度和Local被引頻次；弱相關(guān)的有：Global被引頻次和中介中心度，相對(duì)影響力和接近中心度、中介中心度。

3.2.2 重合度分析

重合度可以測(cè)度不同數(shù)據(jù)間的相似程度。重合度計(jì)算公式如下：

其中A表示一種方法排序結(jié)果中TopN論文，B表示另一種方法排序結(jié)果中TopN論文，N表示選取的論文數(shù)?？傮w來(lái)說(shuō)，N越小，Global被引頻次和相對(duì)影響力的重合度有增大趨勢(shì)，評(píng)價(jià)結(jié)果一致性越高；Global被引頻次和相對(duì)影響力分別與中心度之間、中心度之間的重合度越低，即Top 20重合度

表2 不同方法Top 20、Top 100和Top 1000排序結(jié)果重合度

重合度高的有Global被引頻次與相對(duì)影響力，Global被引頻次與Local被引頻次，中介中心度和Local被引頻次，接近中心度與Local被引頻次，Top 1000重合度均大于30%；重合度低的有Global被引頻次和相對(duì)影響力分別和中介中心度、相對(duì)影響力和接近中心度、Top 1000重合度低均小于20%。Global被引頻次、相對(duì)影響力和Local被引頻次之間重合度高，中心度之間重合度高(表2)。

從重合度上不同方法可分為A、B兩組，A組為Global被引頻次、相對(duì)影響力和Local被引頻次，B組為L(zhǎng)ocal被引頻次、中介中心度和接近中心度。兩組內(nèi)方法之間的重合度較高，兩組方法之間的重合度較低。其中A組算法是基于論文被引次數(shù)的統(tǒng)計(jì)，B組算法是基于主題內(nèi)論文引用結(jié)構(gòu)，算法的內(nèi)核決定了排序結(jié)果的重合度。因此，重合度的差異也反映了算法和評(píng)價(jià)內(nèi)容的不同。

通過(guò)不同方法之間相關(guān)性和重合度可以看出，基于相同算法內(nèi)核的方法之間相關(guān)性和重合度高，評(píng)價(jià)結(jié)果一致性高；基于不同算法內(nèi)核的方法之間相關(guān)性和重合度低，評(píng)價(jià)結(jié)果差異性大。

3.2.3 引用結(jié)構(gòu)對(duì)不同方法的結(jié)果影響

為了分析引用結(jié)構(gòu)對(duì)不同算法排序結(jié)果的影響，我們對(duì)比分析了不同聚類的排序結(jié)果。聚類采用Gephi自帶的Community-detection算法，最終得到24個(gè)聚類。

我們還分析了聚類出度和入度、聚類鏈接數(shù)和聚類密度對(duì)算法的影響。聚類出度即聚類鏈出數(shù)，聚類入度即聚類鏈入數(shù)，聚類鏈接數(shù)即聚類出度和入度之和，聚類密度是聚類中論文實(shí)際連線和最大連線數(shù)的比值：

式中L=聚類中論文連線數(shù)，N=聚類中論文數(shù)。

24個(gè)聚類的文獻(xiàn)數(shù)均值為1 445，密度均值為0.0135。

聚類篇均接近中心度和中介中心度的均值分別為0.00174和0.00000154，聚類篇均入度、聚類篇均出度和聚類篇均鏈接數(shù)的均值分別為6.75、6.82和8.38。

聚類4和聚類6的聚類篇均接近中心度和中介中心度、聚類篇均入度、聚類篇均出度和聚類篇均鏈接數(shù)均排在前2位(表3)。

聚類4的主要研究?jī)?nèi)容是卵母細(xì)胞減數(shù)分裂，聚類6主要是雌性卵巢健康方面的研究。我們推測(cè)卵母細(xì)胞減數(shù)分裂和雌性卵巢健康可能是“雌性生殖力維持”窄主題研究的核心方向。

表3 聚類概況

注:*Cluout為聚類篇均出度，Cluin為聚類篇均入度，Clutc為聚類篇均鏈接數(shù)；中心度均為篇均數(shù)

總體上看，聚類篇均接近中心度和聚類篇均中介中心度分別和聚類篇均入度、聚類篇均出度、聚類篇均鏈接數(shù)之間，聚類文獻(xiàn)數(shù)和聚類篇均鏈接數(shù)之間均呈極強(qiáng)的正相關(guān)關(guān)系。聚類文獻(xiàn)數(shù)和聚類密度呈極強(qiáng)的反相關(guān)關(guān)系，即聚類文獻(xiàn)數(shù)量越多，聚類的密度越小，這是因?yàn)檎撐囊镁W(wǎng)絡(luò)是一個(gè)稀疏矩陣。聚類密度與聚類篇均接近中心度、聚類篇均中介中心度和聚類篇均鏈接數(shù)之間相關(guān)性不顯著，也就是說(shuō)聚類密度與聚類的中介中心度、接近中心度和聚類鏈接數(shù)關(guān)系不明顯(表4)。

表4 聚類排序結(jié)果Spearman相關(guān)系數(shù)

注：*Cluout為聚類篇均出度，Cluin為聚類篇均入度，Clutc為聚類篇均鏈接數(shù)；“**”相關(guān)性在0.01級(jí)別顯著(雙尾)。

聚類篇均中心度和聚類篇均鏈接數(shù)相對(duì)位置如圖1所示。

圖1 聚類篇均中心度和聚類篇均鏈接數(shù)相對(duì)位置

橫坐標(biāo)代表聚類篇均接近中心度，縱坐標(biāo)代表聚類篇均中介中心度，點(diǎn)的直徑代表聚類篇均鏈接數(shù)，點(diǎn)內(nèi)的數(shù)字代表聚類號(hào)。

圖1中的點(diǎn)基本分布在直線兩側(cè)，且較大的點(diǎn)集中在中介中心度和接近中心度較大的區(qū)域。也就是說(shuō)，接近中心度、中介中心度和聚類篇均鏈接數(shù)存在線性相關(guān)的關(guān)系，與表4的相關(guān)性結(jié)果具有一致性。同理，經(jīng)過(guò)驗(yàn)證，聚類篇均入度和聚類篇均出度均和聚類篇均中介中心度和接近中心度呈現(xiàn)明顯的線性相關(guān)關(guān)系。

聚類篇均入度、聚類篇均出度、聚類篇均鏈接數(shù)和聚類篇均中介中心度、聚類篇均接近中心度之間相關(guān)性極強(qiáng)，線性相關(guān)關(guān)系明顯。同時(shí)，聚類篇均中介中心度和聚類篇均入度、聚類篇均出度、聚類篇均鏈接數(shù)之間的相關(guān)系數(shù)均大于聚類篇均接近中心度。也就是說(shuō)聚類入度、聚類出度和聚類鏈接數(shù)對(duì)接近中心度和中介中心度影響大，但中介中心度影響程度更大。

3.2.4 排序結(jié)果靠前論文分析

根據(jù)搜索引擎調(diào)查表明，85%的用戶只看搜索結(jié)果的第1個(gè)頁(yè)面[16]，也就是說(shuō)用戶更關(guān)注檢索算法排名靠前的結(jié)果，說(shuō)明排序靠前的結(jié)果更能滿足用戶需求。

同理，排序靠前的論文更重要、更受到關(guān)注，因此對(duì)排序結(jié)果靠前的論文進(jìn)行分析，符合評(píng)價(jià)的實(shí)際需求。

Global被引頻次Top 20、Top 100、Top 1000論文Local被引頻次占比分別是1.36、2.45、9.51，Local被引頻次占比逐漸增多，最大占比小于10%，即超過(guò)90%的引用來(lái)自于其他主題論文。相對(duì)影響力Top 20、Top 100、Top 1000論文Local被引頻次占比均小于10%且Local被引頻次占比逐漸增多，與Global被引頻次具有一致性。與Global被引頻次和相對(duì)影響力情況相反，中心度Top 20、Top 100和Top 1000論文的Local被引頻次占比逐漸減少，最小占比大于22%，即1/5以上的引用來(lái)自于相關(guān)主題論文，與論文被引情況結(jié)果具有一致性(表5)。

Global被引頻次和相對(duì)影響力這兩種算法的Local被引頻次占比遠(yuǎn)小于中介中心度、Local被引頻次和接近中心度算法。造成這種現(xiàn)象的原因可能是：前兩種算法是論文在WoS中的所有引用計(jì)數(shù)，一般來(lái)說(shuō)，高被引論文因其影響力廣，存在馬太效應(yīng)強(qiáng)，易得到更多的“大同行引用”；后3種算法是基于主題內(nèi)引用網(wǎng)絡(luò)計(jì)算的，有利于Local被引頻次占比多的論文，與前兩種算法包含大量“大同行引用”不同的是，Local引用網(wǎng)絡(luò)更多的是“小同行引用”。前兩種算法，“大同行引用”多，影響力大，馬太效應(yīng)強(qiáng)，可以認(rèn)為影響的廣度大；后3種算法，“小同行引用”多，可以認(rèn)為影響的深度大。

表5 不同方法Top 20、Top 100和Top 1000論文被引情況

注：*Gtc為Global被引頻次，Betw為中介中心度，Ltc為L(zhǎng)ocal被引頻次，Clo為接近中心度

中介中心度Top 20論文的篇均入度(99)小于接近中心度的136，即相對(duì)中介中心度，接近中心度更有利于測(cè)度被引頻次更高的論文。中介中心度Top 20論文的篇均引用和論文出度均大于接近中心度，其中中介中心度Top 20論文的論文出度是接近中心度的5.41倍，差異最大(表6)。論文出度多，說(shuō)明聯(lián)系主題內(nèi)其他論文次數(shù)多，即出度多的論文中介中心度大。中介中心度Top 20論文50%來(lái)自聚類4和聚類6。接近中心度Top 20論文分布聚類相對(duì)分散。聚類4和聚類6是聚類篇均鏈接數(shù)排名前2的聚類，即中介中心度排名靠前論文集中在鏈接數(shù)多的聚類，接近中心度排名靠前論文分布相對(duì)分散。

表6 中介中心度和接近中心度Top 20論文

3.3 論文屬性對(duì)不同方法結(jié)果的影響

3.3.1發(fā)表時(shí)間對(duì)不同方法結(jié)果的影響

Global被引頻次和Local被引頻次Top 50論文85%以上發(fā)表時(shí)間在2006-2010年，接近中心度Top 50論文都發(fā)表于2006-2007年，其中86%集中在2006年；中介中心度Top 50論文中發(fā)表時(shí)間相對(duì)分散，近70%集中在中間段2008-2012年(表7)。對(duì)不同方法Top 50論文集中的發(fā)表時(shí)間從早到晚進(jìn)行排序：接近中心度最早，Global被引頻次和Local被引頻次其次，中介中心度最晚。接近中心度Top 50論文發(fā)表時(shí)間集中程度遠(yuǎn)高于其他方法，這可能是由于論文的引用是由新到老單向追溯的，論文發(fā)表時(shí)間越早，累積被引次數(shù)越多的可能性越大。因此接近中心度更有利于測(cè)度發(fā)表時(shí)間較早的論文。

表7 不同方法Top 50論文發(fā)表時(shí)間分布

注：*Global被引頻次、Local被引頻次排名中有并列，因此總數(shù)大于1000

3.3.2 論文文獻(xiàn)類型對(duì)不同方法結(jié)果的影響

37 919篇數(shù)據(jù)集中，Article論文33 194篇，占87.54%；Review論文4 725篇，占12.46%。Global被引頻次、Local被引頻次和接近中心度Top 20、Top 50和Top 1000 論文中的Review論文比例在17%-30%之間；其中，接近中心度排名靠前的論文中的Article論文占比大于Global被引頻次、Local被引頻次和接近中心度，一定程度上反映接近中心度更有利于測(cè)度Article論文。

中介中心度Top 20、Top 50論文中Review論文比例均大于60%，Top 1000論文的Review論文比例33.4%(表8)。

表8 不同方法Top20、Top50和Top1000文獻(xiàn)類型統(tǒng)計(jì)

與數(shù)據(jù)集Review論文占比12.46%相比，不同方法排序靠前的論文中Review占比較高，這與學(xué)術(shù)公認(rèn)的Review論文被引頻次較高[17]具有一致性。

與Global被引頻次、Local被引頻次和接近中心度Top 20、Top 50和Top 1000 論文中Article論文占比多于Review論文相反，中介中心度Top 20、Top 50論文中Review論文占比多于Article論文，且排名越靠前的論文中Review論文占比越大。其原因可能是Review論文是對(duì)前人的實(shí)驗(yàn)結(jié)果或某一研究成果的總結(jié)與評(píng)述[18]，即對(duì)過(guò)去研究成果的匯總和歸納，因此Review論文引用相關(guān)主題內(nèi)論文頻次多；對(duì)于主題內(nèi)新的研究論文，Review論文也可以提供理論基礎(chǔ)，新論文對(duì)Review論文的引用機(jī)會(huì)多，因此Review論文對(duì)新老論文的聯(lián)系程度較高。中介中心度是測(cè)度論文在主題內(nèi)的聯(lián)系程度，因此對(duì)文獻(xiàn)類型為Review的論文有較好的測(cè)度。

4 結(jié)論與討論

從結(jié)果上看，Global被引頻次測(cè)度的是總體的影響廣度，Local被引頻次測(cè)度的是窄主題的影響深度。相對(duì)影響力因?yàn)閷?duì)時(shí)間和文獻(xiàn)類型進(jìn)行標(biāo)準(zhǔn)化處理，一定程度上減少了時(shí)間和文獻(xiàn)類型對(duì)排序結(jié)果的影響。

中介中心度排序靠前的論文體現(xiàn)了3個(gè)集中特性：集中在鏈接數(shù)多的聚類中，集中在發(fā)表時(shí)間中間時(shí)間段，集中在文獻(xiàn)類型為Review論文中，因此中介中心度有利于發(fā)現(xiàn)窄主題內(nèi)具有紐帶作用的核心論文，接近中心度有利于測(cè)度發(fā)表時(shí)間早的Article論文。

Global被引頻次、Local被引頻次和相對(duì)影響力是基于論文被引頻次統(tǒng)計(jì)的算法，中心度是基于主題論文引文結(jié)構(gòu)的算法。通過(guò)相關(guān)性和重合度結(jié)果表明：基于相同算法內(nèi)核的方法之間相關(guān)性和重合度高，評(píng)價(jià)結(jié)果一致性高；基于不同算法內(nèi)核的方法之間相關(guān)性和重合度低，評(píng)價(jià)結(jié)果差異性大。

聚類入度、聚類出度、聚類鏈接數(shù)和中介中心度、接近中心度之間具有明顯的線性相關(guān)關(guān)系，線性關(guān)系強(qiáng)說(shuō)明聚類入度、聚類出度、聚類鏈接數(shù)對(duì)中介中心度和接近中心度的影響大，一定程度上反映了結(jié)構(gòu)對(duì)不同算法有影響。

因此在論文評(píng)價(jià)中，選擇測(cè)度角度與評(píng)價(jià)目的一致性高的評(píng)價(jià)方法，更有利于對(duì)論文進(jìn)行科學(xué)合理地評(píng)價(jià)。如了解論文的影響廣度，選擇Global被引頻次更為合適；了解論文影響深度，選擇Local被引頻次更合適。如果對(duì)論文進(jìn)行多角度評(píng)價(jià)，評(píng)價(jià)結(jié)果一致性高的方法中可以選擇其一，對(duì)于評(píng)價(jià)結(jié)果差異大的方法可以多選。不同的評(píng)價(jià)方法可從不同角度測(cè)度論文的影響力，運(yùn)用不同方法進(jìn)行論文評(píng)價(jià)時(shí)，要注意不同方法的適用性。接近中心度有利于測(cè)度發(fā)表時(shí)間較早的論文，中介中心度有利于測(cè)度出度多、發(fā)表時(shí)間處于中間段的Review論文。

本文選取的窄主題“雌性生殖力維持”屬于發(fā)展成熟的基礎(chǔ)學(xué)科，在新興的應(yīng)用學(xué)科中不同方法間的排序結(jié)果如何，值得探索。時(shí)間窗口上，本研究選取了2006-2015年，存在選取的時(shí)間窗口更大會(huì)更有利于進(jìn)行不同方法的對(duì)比研究的可能性。此外，本文的結(jié)果尚未得到專家的驗(yàn)證，在今后的研究中可以結(jié)合定量和定性評(píng)價(jià)，保證結(jié)果的準(zhǔn)確性。