基于引用内容与位置的共被引分析改进研究-论文.pdf

《基于引用内容与位置的共被引分析改进研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、JOURNALOFTHECHINASOCIETYFORSCIENTIFIC情报学报ISSN1000—0135ANDTECHNICALINF0RMATIONISSNlⅨ)o一0135第32卷第12期1248—1256，2013年12月Vo1．32No．12，1248—1256December2013doi：10．3772／j．issn．1000-0135．2013．12．002基于引用内容与位置的共被引分析改进研究’刘盛博张春博丁垄刘则渊(1．大连理工大学WISELab，大连116023；2．大连理工大学一德雷塞尔大学知识

2、可视化与科学发现联合研究所，大连116023)摘要传统的共被引研究没有考虑到共被引的两篇文献在施引文献中的位置，只要两篇文献共同被引用，其共被引关系将被等同对待。然而，共被引文献发生在施引文献的不同位置时，其关系强度也有所不同。根据共被引的两篇文献在施引文献中的位置，本文将共被引关系划分四个层次，分别是句子层次共被引、段落层次共被引、章节层次共被引和文章层次共被引，并提出一种基于引用内容相似度的共被引关系权重计算方法，将共被引位置与内容相结合，使共被引关系权重更具客观性和准确性。以3本BMC期刊作为研究对象，计算出共被引

3、4个层次的权重分别为1、0．77、0．64和0．56。在比较加入权重的共被引聚类结果与传统共被引聚类结果后，发现加入共被引权重后的共被引聚类，不仅聚类内文献间关系更紧密，还能更好地揭示施引文献所表达的主题，从而验证了这种赋予权重的共被引分析方法的有效性。关键词共被引权重引用位置层次引用内容共被引聚类TheImprovementofCo-CitationAnalysisBasedontheCitationContextandCitationPositionLiuShengbo一，ZhangChunbo，DingKun’an

4、dLiuZeyuan·(1．DalianUniversityofTechnology，WISELab，Dalian1l6023；2．DalianUniversityofTechnology-DrexelUniversity，Joint—InstitutefortheStudyofKnowledgeVisualizationandScienceDiscovery，Dalian116023)AbstractTraditionalCO．citationanalysishasnottakentheproximityofCO—ci

5、tedreferencesintoaccount．Aslongastworeferencesarecitedbythesamearticle，theyareretreatedequallyregardlessthedistancebetweenwherecitationsappearinthearticle．WhiletheCO-citationoccurredindiferentposition，theCO—citationstrengthbetweentheCO·citedpaperswasdiferent．Inth

6、isarticle，wewillconsidertheproximityoftheCO—citationatfourlevels：articlelevel，sectionlevel，paragraphlevelandsentencelevel，andproposeaco—citationweightingmethodbasedonthesimilarityofcitationcontext．Aftercombiningcitationcontextandposition，theCO—citationweightwillb

7、emoreobjectivityandaccuracy．TheCO—citationweightofeachlevelwillbetrainingfromthetargetdatasetaccordingtothesimilarityoftheCO—citedcontext．WechosethreeBMCjournalsasthetargetdataset，andgottheweightoffourlevelsas1，0．77，0．64，and0．56．ThenwecomparedtheweightedCO—citati

8、onclusteringwithtraditionalCO—citationclustering．TheresultsshowedthattheweightedCO—citationclusteringcouldimprovethetraditionalCO—citationonclosingtherelations