| 基于随机森林的Science和Nature期刊潜在精品论文识别研究 |
| |
| 引用本文： | 胡泽文,任 萍,周西姬.基于随机森林的Science和Nature期刊潜在精品论文识别研究[J].情报科学,2022,40(4):90-95. |
| |
| 作者姓名： | 胡泽文 任 萍 周西姬 |
| |
| 摘 要： | 【目的/意义】为推动潜在“精品”文献识别及其在科技文献识别与传播利用领域中的应用。【方法/过程】以
国际顶级期刊Science和Nature期刊出版的论文及其引用分布数据为样本，统计出全部论文的首次响应时间、摘要
长度，总被引频次、资金资助、论文篇幅等特征，构建“精品”论文特征矩阵；然后基于“精品”论文特征矩阵和随机森
林算法进行潜在“精品”论文识别模型的训练与识别应用。【结果/结论】研究结果显示，融合“精品”论文特征矩阵和
随机森林模型能够较好地识别 Science 和 Nature 期刊中的潜在“精品”论文，模型正确识别分类的准确率均值达到
80%以上，其中Nature期刊的“精品”文献识别准确率高出Science期刊的“精品”论文识别准确率2%左右；使用信息
增益方法的模型识别效果比使用基尼不纯度方法的识别效果略好。此外，Science和Nature期刊“精品”论文的首次
被引速度极快，在出版当年即被引用。【创新/局限】“精品”文献特征矩阵和机器学习模型的结合能够较好地应用于
潜在“精品”论文的识别与推荐，然而未来需将模型推广应用于海量文献中“精品”论文的识别检验。
|
|
| 点击此处可从《情报科学》浏览原始摘要信息 |
|
点击此处可从《情报科学》下载全文 |
|
