期刊與會議的混合共被引網(wǎng)絡(luò)分析
——以計算機科學(xué)領(lǐng)域為例

■孫 瑤 王賢文

大連理工大學(xué)科學(xué)學(xué)與科技管理研究所暨WISE實驗室，遼寧省大連市甘井子區(qū)凌工路2號 116024

在大多數(shù)學(xué)科中，學(xué)術(shù)期刊是展示科學(xué)活動成果的重要載體，是科學(xué)家們進(jìn)行學(xué)術(shù)研究和交流的正式渠道，科學(xué)家們傾向于在學(xué)術(shù)期刊上發(fā)表最新研究成果，達(dá)到與同行和讀者交流的目的[1]。學(xué)者們參加學(xué)術(shù)會議主要是為了將初步研究結(jié)果與同行分享，以期聽取同行意見，完善后續(xù)研究，從而使科研成果發(fā)表至學(xué)術(shù)期刊,因此，學(xué)術(shù)會議的影響力無法與學(xué)術(shù)期刊相提并論。但在計算機科學(xué)中存在截然相反的現(xiàn)象：計算機科學(xué)領(lǐng)域的研究學(xué)者將學(xué)術(shù)會議作為研究成果發(fā)表的首選渠道，且絕大多數(shù)的會議論文不再投稿于期刊。根據(jù)Davidson等[2]2017年的研究，計算機科學(xué)領(lǐng)域中最有影響力、最高同行審議的被引論文通常出現(xiàn)在會議論文集中。裴世保等[3]統(tǒng)計分析了計算機科學(xué)領(lǐng)域中某些著名科學(xué)家和科研單位的論文發(fā)表和引用情況，用具有代表性的數(shù)據(jù)說明會議論文具有顯著影響力，應(yīng)該與期刊論文一起作為學(xué)術(shù)評價的重要依據(jù)。

共被引分析方法可以被用來揭示科學(xué)結(jié)構(gòu)發(fā)展現(xiàn)狀、預(yù)測未來研究熱點或者進(jìn)行學(xué)科領(lǐng)域分析，從而達(dá)到為科技決策提供支持、為科技規(guī)劃與評估提供基礎(chǔ)的目的[4]。共被引分析是基于文檔(論文、作者和期刊等)引用關(guān)系的相似性度量，被定義為兩個文檔被其他文檔一起引用的頻率。兩個文檔共同被引用的次數(shù)越多，它們的相關(guān)性越高[5]。Chen[6]提出利用期刊共被引分析來明晰和定位某一學(xué)科領(lǐng)域主要交流的期刊。作為一種經(jīng)典文獻(xiàn)計量方法，共被引分析被廣泛應(yīng)用于揭示學(xué)科領(lǐng)域內(nèi)的學(xué)科結(jié)構(gòu)和關(guān)系[7-8]。王賢文等[9]將檢索期刊的共被引頻次矩陣，通過聚類分析和網(wǎng)絡(luò)結(jié)構(gòu)分析，定量考察中國地理學(xué)的學(xué)科結(jié)構(gòu)以及其在國際學(xué)術(shù)界的影響。學(xué)術(shù)期刊共被引關(guān)系的強弱也反映了期刊的親疏關(guān)系，可通過共被引分析來挖掘?qū)W術(shù)期刊之間的關(guān)系并進(jìn)行期刊分類，考察學(xué)科的內(nèi)部知識結(jié)構(gòu)和聯(lián)系情況[10]。

傳統(tǒng)共被引分析是基于參考引文的分析，并且受制于文獻(xiàn)計量學(xué)軟件的處理和運算能力，只能局限于小數(shù)據(jù)集。如在劉艷[11]的研究中，選取了“計算機體系結(jié)構(gòu)/并行與分布計算/存儲系統(tǒng)”領(lǐng)域的13個A類期刊和會議作為研究對象，數(shù)據(jù)量少且僅局限于一個學(xué)科，缺乏代表性。且以往的共被引分析研究沒有將會議論文集包含在共被引分析的數(shù)據(jù)集內(nèi)。黃紫菲[12]僅用基本科學(xué)指標(biāo)數(shù)據(jù)庫(Essential Science Indicators，ESI)收錄的近10年來有關(guān)計算機領(lǐng)域的期刊文獻(xiàn)進(jìn)行計量分析得出相關(guān)研究熱點與作者集群分布，沒有考慮會議論文集。邱均平等[13]利用SCIE數(shù)據(jù)庫中檢索的計算機科學(xué)高水平國際學(xué)術(shù)期刊，驗證國際合作是否能提高科學(xué)研究的影響力，同樣忽略了計算機科學(xué)領(lǐng)域的會議論文集。由于會議論文集在計算機科學(xué)中的重要性不能被忽視，所以本研究將期刊和會議論文集共同作為共被引分析的數(shù)據(jù)集，構(gòu)建計算機科學(xué)期刊和會議論文集的混合共被引網(wǎng)絡(luò)。本研究中界定的混合共被引即共被引對象不只包括一種文獻(xiàn)類型，而是同時涵蓋期刊與期刊、期刊與會議論文集、會議論文集與會議論文集之間的共被引關(guān)系。

社會網(wǎng)絡(luò)分析法最早可追溯到社會心理學(xué)家莫雷諾提出的社會測量法，它整合了數(shù)學(xué)、社會學(xué)、統(tǒng)計學(xué)、圖論學(xué)等多門學(xué)科來研究行動者之間相互關(guān)系。經(jīng)過多年發(fā)展，社會網(wǎng)絡(luò)分析法已經(jīng)由原來單一的研究方法發(fā)展為一個理論框架[14]。社會網(wǎng)絡(luò)分析方法是社會學(xué)領(lǐng)域內(nèi)比較成熟的研究方法,其利用“顯著性即重要性”的基本原理,對發(fā)現(xiàn)網(wǎng)絡(luò)中具有重要影響力的節(jié)點有獨到的功效[15]。本研究基于此原理，利用社會網(wǎng)絡(luò)分析法尋找“期刊-會議”混合共被引網(wǎng)絡(luò)中有重要影響力的節(jié)點，即對整個網(wǎng)絡(luò)知識傳播有重大影響力的期刊或會議。

本研究的創(chuàng)新點在于將期刊和會議論文集同時作為網(wǎng)絡(luò)中的節(jié)點，進(jìn)行二者混合共被引網(wǎng)絡(luò)的可視化呈現(xiàn)。利用社會網(wǎng)絡(luò)分析的相關(guān)理論進(jìn)行分析，以期明晰計算機科學(xué)領(lǐng)域內(nèi)的學(xué)科結(jié)構(gòu)，甄別計算機科學(xué)領(lǐng)域內(nèi)期刊和會議的重要性差異，為其他學(xué)科提供新的期刊研究方法和學(xué)術(shù)評價辦法，對政策制定提供一定指導(dǎo)性建議。

1 數(shù)據(jù)和方法

本研究選擇的數(shù)據(jù)庫為Scopus數(shù)據(jù)庫。Scopus數(shù)據(jù)庫涵蓋數(shù)據(jù)量大，由愛思唯爾(Elsevier)公司在2004年創(chuàng)立，現(xiàn)已發(fā)展成世界上最大的文摘和引文數(shù)據(jù)庫之一，涵蓋了15000種科學(xué)、技術(shù)及醫(yī)學(xué)(Scientific, Technical and Medical，STM)方面的期刊，涉及大約11000個出版商，包括同行評議期刊、會議集和書籍。雖然中國知網(wǎng)中既包含針對期刊引用的評價指標(biāo)，也有各類文獻(xiàn)(包括會議論文)的評價指標(biāo)，但Scopus數(shù)據(jù)庫的高級檢索功能可最便捷地實現(xiàn)本研究中所需要的復(fù)雜混合共被引檢索。在Scopus數(shù)據(jù)庫的高級檢索項中，用代碼REFSRCTITLE可以檢索參考文獻(xiàn)中涵蓋目標(biāo)出版物所出版文獻(xiàn)的文章。用REFSRCTITLE代碼和其他操作符(AND, NOT, OR等)，就可以檢索任何兩個目標(biāo)標(biāo)題之間的共被引關(guān)系的數(shù)量，這是其他數(shù)據(jù)庫所不支持的檢索功能，因此可利用該功能建立期刊和會議集文獻(xiàn)之間的混合共被引網(wǎng)絡(luò)。例如，在Scopus高級檢索中輸入檢索式REFSRCTITLE (JournaloftheACM)進(jìn)行檢索，在返回結(jié)果集中任選一篇文章查閱其參考文獻(xiàn)列表，發(fā)現(xiàn)其參考文獻(xiàn)中含有出版物JournaloftheACM收錄的文獻(xiàn)(圖1)。

圖1 檢索示例

本研究選取的研究對象來源于澳大利亞計算研究與教育協(xié)會(Computing Research and Education Association of Australasia，CORE) 的期刊和會議排名系統(tǒng)。該系統(tǒng)是計算機科學(xué)領(lǐng)域內(nèi)最為權(quán)威的期刊和會議排名系統(tǒng)，被全世界各大機構(gòu)作為計算機科學(xué)領(lǐng)域的評價體系標(biāo)準(zhǔn)廣泛采用(http://www.core.edu.au)。本研究基于CORE的期刊和會議排名系統(tǒng)，選取CORE系統(tǒng)中的A類期刊和會議，經(jīng)過篩選并與Scopus數(shù)據(jù)庫中的名稱反復(fù)檢索對比，最終選取366個期刊和會議論文集名稱作為本次研究的對象，其中包含203種期刊和163個會議論文集?？紤]到計算機科學(xué)發(fā)展相對迅速，本研究選取2013年以后出版的文獻(xiàn)。

在Scopus數(shù)據(jù)庫中，大多數(shù)期刊和會議論文集都可直接應(yīng)用簡單的檢索式進(jìn)行檢索。例如，檢索式REFSRCTITLE(International Computer Symposium)PUBYEAR AFT 2013，可以直接返回參考文獻(xiàn)來源于會議論文集InternationalComputerSymposium且在 2013年之后出版的文獻(xiàn)。對于名稱較為簡短的期刊或會議集，例如Cognition,需要用NOT運算符排除包含單詞“Cognition”的其他出版物。

本研究選取的366個期刊或會議論文集名稱，需要獲得其中任意兩個的共被引頻次，包括期刊與期刊、期刊與會議論文集、會議論文集與會議論文集的共被引頻次，即混合共被引。因為共被引是無向的，所以對于366個期刊和會議論文集一共需要獲得66795對共被引關(guān)系。首先檢索某一期刊或會議論文集的被引情況，然后在該結(jié)果界面中檢索另一期刊或會議論文集的被引情況，從而達(dá)到檢索這兩個期刊或會議論文集名稱共被引頻次的目的。表1選取了JournaloftheACM、LogicalMethodsinComputerScience、InformationProcessingandManagement、ACM/IEEEConferenceonSupercomputing和ProceedingsoftheACMSIGKDDInternationalConferenceonKnowledgeDiscoveryandDataMining這3種期刊和2個會議論文集名稱作為示例展示數(shù)據(jù)結(jié)果(期刊用斜體標(biāo)注，會議用黑斜體標(biāo)注，下文同)，數(shù)據(jù)查詢的時間為2018年6月18—30日。由表1可知，期刊JournaloftheACM與期刊LogicalMethodsinComputerScience的共被引頻次為938次，期刊JournaloftheACM與會議論文集ACM/IEEEConferenceonSupercomputing共被引頻次為105次。

表1 3種期刊和2個會議論文集名稱共被引頻次

注：①文中圖2～5為黑白示意圖，請掃描文后二維碼查閱彩色原圖。

本研究的共被引關(guān)系用Jaccard系數(shù)(Jaccard Index)進(jìn)行標(biāo)準(zhǔn)化處理。Jaccard系數(shù)又稱為Jaccard相似系數(shù)(Jaccard Similarity Coefficient)，用于比較有限樣本集之間的相似性與差異性。Jaccard系數(shù)值越大，樣本相似度越高。與傳統(tǒng)相似性度量方法相比，Jaccard系數(shù)完善了余弦相似性只考慮用戶評分而忽略了其他信息量的弊端，特別適合應(yīng)用于稀疏度過高的數(shù)據(jù)[16]。Jaccard系數(shù)的定義為兩個樣本之間交集的大小除以其并集的大小。假設(shè)在Scopus數(shù)據(jù)庫中檢索到兩個樣本的總被引頻次分別為X和Y，二者的共被引頻次為X∩Y，二者總被引頻次為X∪Y。兩個樣本之間的Jaccard系數(shù)計算公為

J(X,Y) = |X∩Y| / |X∪Y|

(1)

本研究也計算了該網(wǎng)絡(luò)中節(jié)點的中介中心性(Betweenness Centrality)。中介中心性是基于最短路徑圖的中心性度量方法，最初是在社會關(guān)系網(wǎng)中衡量一個點的連通潛力，并由此得到復(fù)雜網(wǎng)絡(luò)中節(jié)點連通能力的聚集度，從而反映節(jié)點在網(wǎng)絡(luò)中的地位[17]。對于連通圖中的每對頂點，頂點之間至少存在一條最短路徑，使得路徑經(jīng)過的邊數(shù)(對于未加權(quán)的圖)或邊的權(quán)重之和(對于加權(quán)圖) 被最小化。每個頂點的中介中心性為通過頂點的最短路徑數(shù)。本研究中所有網(wǎng)絡(luò)圖全部應(yīng)用Gephi軟件繪制，且均為無向圖。

2 結(jié)果

2.1 期刊-會議混合共被引網(wǎng)絡(luò)

圖2①所示為計算機科學(xué)領(lǐng)域的期刊和會議論文集的混合共被引網(wǎng)絡(luò)，黃色和綠色分別表示期刊節(jié)點和會議論文集節(jié)點。為方便顯示，節(jié)點的標(biāo)簽用該期刊或會議論文集的縮寫，如ARIST代表期刊AnnualReviewofInformationScienceandTechnology。用中介中心性來標(biāo)記節(jié)點的大小，即中介中心性值越大，節(jié)點尺寸越大。連線的粗細(xì)由邊的權(quán)重決定，即兩個節(jié)點間Jaccard系數(shù)越大，連線越粗。

如圖2所示，綠色節(jié)點代表會議論文集匯聚在一起，在圖中央形成一個較為緊密的聚類；黃色節(jié)點代表的期刊分散在外圍，但期刊之間也存在著較為緊密的聯(lián)系，例如圖2右下角的黃色節(jié)點凝聚在一起。圖2結(jié)果表明，會議文獻(xiàn)更傾向于與會議文獻(xiàn)產(chǎn)生共被引關(guān)系；同樣，期刊文獻(xiàn)更傾向于與期刊文獻(xiàn)產(chǎn)生共被引關(guān)系。期刊和會議的混合共被引網(wǎng)絡(luò)之間存在較為明顯的分界線。該網(wǎng)絡(luò)中，會議論文集形成的聚類被外圍的期刊聚類所包圍，在一定程度上揭示了會議論文集在計算機的整個學(xué)科結(jié)構(gòu)中居于更為核心的地位，并且會議論文集之間的關(guān)系更為緊密。

圖2 計算機學(xué)科領(lǐng)域期刊-會議混合共被引網(wǎng)絡(luò)(初始圖)

2.2 共被引網(wǎng)絡(luò)的學(xué)科分類

為觀察具體學(xué)科在計算機科學(xué)領(lǐng)域結(jié)構(gòu)中的位置和作用，將研究的366個期刊或會議論文集名稱進(jìn)行學(xué)科分類標(biāo)記。按照中國計算機協(xié)會(China Computer Federation，CCF)提供的計算機科學(xué)領(lǐng)域分類，將366個節(jié)點劃分為10個不同學(xué)科，分別用10種不同的顏色標(biāo)記(表2)。將圖2按照學(xué)科分類屬性重新繪制，得到圖3。在圖3中，屬于同一個學(xué)科分類的期刊或會議論文集節(jié)點被標(biāo)記為同一顏色。由圖3可知，有相同顏色即相同學(xué)科屬性的節(jié)點并沒有聚集到一起形成多個小社區(qū)，而是不同顏色的節(jié)點隨機混亂的分布在該網(wǎng)絡(luò)中，沒有明顯的分界線。

表2 不同顏色所對應(yīng)的學(xué)科分布

圖3 具有學(xué)科屬性共被引網(wǎng)絡(luò)

為使網(wǎng)絡(luò)結(jié)構(gòu)更清晰地揭示隱藏其中的各學(xué)科之間共被引關(guān)系，須減少圖3節(jié)點和邊的個數(shù)。通過不斷調(diào)整閾值，最終選取0.0917作為最低Jaccard系數(shù)值來過濾權(quán)重值較低的邊，這意味著連線權(quán)重低于0.0917的邊將不會被顯示，部分節(jié)點也會被過濾掉，最終的到了圖4和圖5(圖5是在圖4的基礎(chǔ)上按照學(xué)科分類改變節(jié)點顏色)。在只保留重要節(jié)點和邊的情況下，圖4所示為期刊和會議之間的混合共被引網(wǎng)絡(luò)，圖5所示為學(xué)科分類后的混合共被引網(wǎng)絡(luò)。圖4和圖5所示的網(wǎng)絡(luò)中均包含140條邊，91個節(jié)點。

圖4 具有出版物類型屬性的混合共被引網(wǎng)絡(luò)

圖5 具有學(xué)科屬性的混合共被引網(wǎng)絡(luò)

圖4中，將期刊節(jié)點用黃色標(biāo)記，會議節(jié)點用綠色標(biāo)記?？梢院苊黠@地看出，調(diào)整閾值后，仍然體現(xiàn)出同類型文獻(xiàn)內(nèi)的共被引優(yōu)勢。在圖中4個最大即最重要的節(jié)點中，有三個是會議ProceedingsoftheACMSIGKDDInternationalConferenceonKnowledgeDiscoveryandDataMining(KDD),AdvancesinNeuralInformationProcessingSystems(NIPS),IEEEInternationalConferenceonComputerVision(ICCV),僅有一個是期刊JournalofMachineLearningResearch(JMLR)。

在只保留重要節(jié)點和邊的情況下,聚類效果仍不是非常理想(圖5)，進(jìn)一步說明計算機科學(xué)領(lǐng)域內(nèi)不同學(xué)科的界限模糊，學(xué)科之間相互滲透程度較高。如圖5所示，留下的領(lǐng)域主要有4個，分別為深灰色的軟件工程/系統(tǒng)軟件/程序語言，紫色的數(shù)據(jù)庫/數(shù)據(jù)挖掘/內(nèi)容檢索，綠色的人工智能以及藍(lán)色的計算機科學(xué)理論。而在91個節(jié)點中，數(shù)據(jù)庫/數(shù)據(jù)挖掘/內(nèi)容檢索領(lǐng)域有23個，約占25%；人工智能領(lǐng)域有18個，約占20%。圖4中的4個大節(jié)點中，KDD和NIPS為數(shù)據(jù)庫/數(shù)據(jù)挖掘/內(nèi)容檢索領(lǐng)域，JMLR和ICCV為人工智能領(lǐng)域，反映當(dāng)前計算機科學(xué)領(lǐng)域的研究熱點為數(shù)據(jù)庫/數(shù)據(jù)挖掘/內(nèi)容檢索及人工智能。對比圖5和圖3可以發(fā)現(xiàn),在提高閾值之后，具有相同學(xué)科背景的論文更愿意相互引用，并形成了幾個同色小聚類。對比圖5和圖4可以發(fā)現(xiàn)，不同學(xué)科的會議之間更愿意相互混合引用，學(xué)科交叉程度更強。

2.3 期刊和會議論文集的中介中心性比較

為從定量角度比較期刊和會議論文集之間的重要性，計算了各節(jié)點的中介中心性。所有節(jié)點和邊的中介中心性大小排名前20的節(jié)點見表3，設(shè)置閾值為0.0917后重新計算的前20個節(jié)點見表4。表3中的20個節(jié)點中有15種期刊和5個會議，期刊占絕大部分。提高閾值后的核心網(wǎng)絡(luò)(表4)中，有7種期刊和13個會議論文集記錄，會議占一半以上。在核心共被引網(wǎng)絡(luò)中，會議節(jié)點中介中心值明顯上升，且會議節(jié)點占大多數(shù)。因此總體看來，期刊可作為計算機科學(xué)的主要學(xué)術(shù)交流工具，但在核心網(wǎng)絡(luò)中，高水平會議論文集卻有著更顯著影響力。

表3 期刊與會議集的中介中心性(閾值為0.0000)

3 結(jié)論和啟示

以往的研究大多是單獨觀察期刊或會議論文集的共被引情況以甄別核心期刊或重要會議，缺少整體全面的分析。期刊通常是作為某一學(xué)科的主要學(xué) 術(shù)交流工具而存在，但會議論文集在計算機科學(xué)領(lǐng)域中有著舉足輕重的地位，本研究將計算機科學(xué)領(lǐng)域內(nèi)的期刊和會議論文集同時作為研究對象，構(gòu)建期刊-會議混合共被引網(wǎng)絡(luò)。通過在Scopus數(shù)據(jù)庫中獲取CORE提供的計算機科學(xué)A類期刊和會議論文集的混合共被引數(shù)據(jù)，構(gòu)建了計算機科學(xué)A類期刊及會議論文集的混合共被引網(wǎng)絡(luò)，得出以下結(jié)論。

表4 期刊與會議集的中介中心性(閾值為0.0917)

(1) 同類型文獻(xiàn)傾向相互引用。期刊與會議混合共被引網(wǎng)絡(luò)中存在明顯分界線，將會議論文集與期刊分成兩個部分。這說明期刊文獻(xiàn)更多引用期刊文獻(xiàn)，會議文獻(xiàn)更多引用會議文獻(xiàn)。期刊與會議論文集的相互引用程度不高，在一定程度上表明即使是在計算機科學(xué)領(lǐng)域，期刊與會議論文集仍存在差異。

(2) 計算機科學(xué)內(nèi)各學(xué)科領(lǐng)域界限模糊。首先，計算機科學(xué)領(lǐng)域內(nèi)的研究熱點為數(shù)據(jù)庫/數(shù)據(jù)挖掘/內(nèi)容檢索及人工智能，符合當(dāng)前發(fā)展事態(tài)。其次，在計算機科學(xué)中跨學(xué)科分類在一定程度上被忽略，屬于同一學(xué)科的期刊或會議論文集(根據(jù)CCF的分類)并非傾向于同一學(xué)科內(nèi)共同引用，而是無序地分布在網(wǎng)絡(luò)中。學(xué)科交叉現(xiàn)象在高水平會議論文中更能體現(xiàn)，這表明計算機科學(xué)內(nèi)不同學(xué)科領(lǐng)域需要相互借鑒和補充。簡單來說，計算機科學(xué)理論學(xué)科可能廣泛地被其他各學(xué)科領(lǐng)域所學(xué)習(xí)借鑒，網(wǎng)絡(luò)與信息安全學(xué)科在一定程度上也能為數(shù)據(jù)庫/數(shù)據(jù)挖掘/內(nèi)容檢索提供某些方面的支持，計算機科學(xué)的自身特點導(dǎo)致了該學(xué)科領(lǐng)域內(nèi)各學(xué)科界限模糊。而會議相比于期刊發(fā)文速度快、周期短，與計算機科學(xué)發(fā)展迅速的特點相符合，因此各學(xué)科融合程度更高。

(3) 會議論文與期刊論文共同構(gòu)建計算機科學(xué)領(lǐng)域的景觀。對大多數(shù)學(xué)科而言，期刊是學(xué)術(shù)交流和促進(jìn)學(xué)科發(fā)展最常見和最重要的渠道，但在計算機科學(xué)領(lǐng)域中，期刊論文和會議論文都非常重要，期刊在共被引網(wǎng)絡(luò)中占一定優(yōu)勢，但在高水平論文集中，會議論文集有著更為顯著的影響力。

綜上所述，本研究總結(jié)出如下啟示。

(1) 高水平會議論文集應(yīng)納入相應(yīng)學(xué)科評價指標(biāo)的考慮范圍。特別在計算機科學(xué)領(lǐng)域內(nèi)，高水平會議論文被廣泛引用，具有相當(dāng)高的學(xué)術(shù)影響力，研究學(xué)者和機構(gòu)的學(xué)術(shù)水平評價應(yīng)綜合考慮到其學(xué)術(shù)會議的發(fā)文情況。對于計算機以外的其他學(xué)科來說，也不乏高水平的國際與國內(nèi)會議，將高水平會議納入評價指標(biāo)的考慮范圍，有助于更全面、科學(xué)和客觀地進(jìn)行科學(xué)計量評價。

(2) 期刊與會議相互促進(jìn)發(fā)展。當(dāng)前，國內(nèi)外的許多高水平國際會議采取和高影響力學(xué)術(shù)期刊合作的方式，實現(xiàn)合作互贏發(fā)展。譬如投稿某些學(xué)術(shù)會議被全文錄用并作口頭報告的論文，可以在會議結(jié)束后進(jìn)行完善和內(nèi)容擴(kuò)充后投稿和會議合作的學(xué)術(shù)期刊，并實現(xiàn)快速評審和?？?qū)诎l(fā)表。學(xué)術(shù)會議可通過采取這種措施收獲優(yōu)秀投稿、增加吸引力、擴(kuò)大影響力與交流范圍。學(xué)術(shù)期刊也可以利用會議的某些優(yōu)勢，如快速獲取專業(yè)領(lǐng)域最新學(xué)術(shù)信息、捕捉最新發(fā)展動態(tài)和熱點、期刊編輯部和領(lǐng)域同行面對面廣泛和深度交流等，擴(kuò)大期刊在該學(xué)科中的知名度和影響力。