论文部分内容阅读
DOI：10.3969/j.issn.1008-0821.2021.09.002
[中图分类号]G250.252 [文献标识码]A [文章编号]1008-0821（2021）09-0012-10
近年来，随着互联网技术的发展和知识共享趋势的推动，学术评价不再只是依赖传统学术指标，Altmetrics开始产生，并引起广泛关注和利用。2005年，Bollen J等学者就提出将社交媒体数据作为补充性计量指标，用于期刊影响力评价。Altmetrics最早是由计量学领域学者Priem J提出，之后同Taraborelli D等学者发表宣言，正式提出Ahmet-rics。
自2010年Altmetrics在境外提出后，我国学者刘春丽迅速反应，于2012年将其译为“选择性计量学”，并说明其与网络计量学和传统科学评价的差异，以及选择性计量学在时效、覆盖面和科学交流中的独特意义;随后，邱均平等学者将其译为替代计量学，阐述其提出过程和研究进展;由庆斌等学者将其译为补充计量学，对补充计量学和补充性指标作了详细介绍。这是目前我国学者3种主要翻译形式，许多学者对其有不同理解，具有代表性的理解就多达十几种，但使用较多的是替代计量学。
目前，关于Altmetrics的研究主要分为理论、工具、方法及应用，理论主要是其概念和问题分析，较多涉及Ahmetrics指标与传统指标之间的关系。例如：Alhoori H等学者发现Altmetrics与出版物的数量、h指数、被引量之间存在相关关系;Eysenbach G等学者指出Altmetrics指标与传统的引文指标呈现弱相关，论文的社会影响力与学术影响力之间关联度并不大;王妍等学者采用Spearman方法尝试探究学者被引频次与Ahmetrics中社会影响力指标之间的相关性，以及各项社会影响力指标之间的相关性。随后，越来越多的Alt-metrics工具开始出现，吴胜男等学者以目前比较常见的Altmetrics应用工具Altmletric.com、Plum Analytics、ImpactStory、PLOS ONE Altmetrics、Readermeter、ScienceCard、PaperCritic以及CitedIn为研究对象，针对每一种工具的功能特征、优势和不足进行详细的分析和论述。其中，Altmetric.com是一款分析评估单篇论文Altmetrics指标的工具，由Digital Science公司开发，该工具综合计算某一篇学术论文在Twitter、Google 、CiteULike、Mendeley、博客以及主流新闻媒体等信息源的引用数据，Altmetrics指标具有多种，一般被学者分为几类进行研究。例如：Waltman L等学者对Altmetrics的11个指标通过因子分析分为3类。目前，Ahmetrics研究主要方法为社会网络分析、数据挖掘与分析等，更多应用于论文、期刊、机构、学者等各种影响力评价领域，并通过不断构建评价指标应用到多个领域，王凯利等学者融合了Alt-metrics和引文分析法构建期刊影响力评价体系，并对国际图情期刊的影响力进行分析：Boetto E等学者发现传统引用计数，社交媒体上的引用以及新闻和博客上的提及之间存在适度的相关性，并且定义一种方法，即综合影响力得分（CIS），该方法可以协调不同的指标以提供多维影响力指标。另外，关于Ahmetrics指标的研究，更多则是关于各指标之间相关性，许丹等学者对比分析SCIE被引频次、ESI高被引、FS、Ahmetrics各项指标之间的关系;陈胜龙等学者验证其与学者H5指数间存在显著相关性。
大数据的迅速发展，带动了数据挖掘领域的研究，数据挖掘领域一般具有C4.5、K-Means、SVM、Apriori等多种具有影响力的算法，可涵盖分类、聚类、统计学习、关联分析和链接挖掘，其中关联规则最早是由Agrawal R等学者提出，是数据挖掘领域的一种方法，可以挖掘数据的隐含特征，关联规则经常应用于购物篮分析，从而为商品促销提供参考，基本方法常为Apriori算法，并被许多学者应用于各种领域。例如：游立清等学者利用此算法提出卷烟物理指标关联性的分析方法。目前，关于关联规则的研究主要是关联规则算法创新、关联规则应用等方面，许多学者提出改进算法进行有关应用。例如：常见的多最小支持度的关联规则挖掘、分类关联规则挖掘等方法，田建勇、徐樾等学者将改进算法应用于计算机和动力工程等不同领域。关联规则应用范围较广，学者纷纷创新，广泛应用于多种领域，常见的是应用于中医药，探析用药规律等问题，申玲玲等学者针对急性痛风性关节炎用药规律研究。另外多是利用关联规则进行影响因素的相关研究，曹磊等学者利用关联规则对路面损坏状况影响因素进行探讨。
综合来看，Altmetrics相关研究目前主要集中在与各指标进行相关性分析的研究，以及通过指标构建应用于不同领域进行评价，关于高社会影响力论文的论文特征和传播特征相对较少，聚类分析和关联规则作为常用方法，但较少结合应用于论文特征方面。因此，本文将Ahmetric TOP榜文献作为高社会影响力文献，利用频数统计与分析探讨高社会影响力文献特征，同时利用聚类与关联规则进行分析，探讨不同学科、国家（地区）、文献获取方式、AAS值、被引次数等方面的传播渠道特征。
1研究方法与数据来源
1.1研究方法
本文采用定性与定量分析的方法，首先从Ah.metric，com得到Ahmetric TOP榜文献，基于所得數据进行频数统计与分析，然后通过K-Means聚类将不同指标划分级别，最后利用基于Apriori算法的关联规则探讨不同被引次数区间、AAS值区间、学科、国家（地区）和获取方式的传播特征。其中关联规则是常用的数据挖掘领域方法，能够有效挖掘数据隐含特征，Apriori算法是一个经典的挖掘规则算法。一般以商品交易为例，假设被研究对象称为项（Item），所有项的集合为，={i1，i2，…，im}，每条交易ti项对应的项的集合为I的子集，I的任何一个子集被称为项集（Itemset），即X={ij1，ij2，…，ijm}，事务数据库为D={t1，t2，…，tm}，每条交易数据ti构成事务D，每个项集包含的项的个数称为项集的长度，一个长度为k的项集被称为k项集，一个项集X在数据库D中出现的次数称为频数，记为count（X）。关联规则需要从数据中找出满足最小支持度和置信度的关联规则，其中定义如下： 1）支持度（support）。一个项集X的支持度指的是在数据集中包含该项集的记录所占比例。如式（1）所示。若给定一个最小支持度support（min），所得support（X）≥support（min），则X称为频繁项集。
support（X）=count（X）/|D} （1）
2）置信度（confidence）。也可称为可信度，它是针对一条比如X→Y的关联规则来定义的，指的是包含X的交易中包含Y的比例。即：
cofidence（X=
[中图分类号]G250.252 [文献标识码]A [文章编号]1008-0821（2021）09-0012-10
近年来，随着互联网技术的发展和知识共享趋势的推动，学术评价不再只是依赖传统学术指标，Altmetrics开始产生，并引起广泛关注和利用。2005年，Bollen J等学者就提出将社交媒体数据作为补充性计量指标，用于期刊影响力评价。Altmetrics最早是由计量学领域学者Priem J提出，之后同Taraborelli D等学者发表宣言，正式提出Ahmet-rics。
自2010年Altmetrics在境外提出后，我国学者刘春丽迅速反应，于2012年将其译为“选择性计量学”，并说明其与网络计量学和传统科学评价的差异，以及选择性计量学在时效、覆盖面和科学交流中的独特意义;随后，邱均平等学者将其译为替代计量学，阐述其提出过程和研究进展;由庆斌等学者将其译为补充计量学，对补充计量学和补充性指标作了详细介绍。这是目前我国学者3种主要翻译形式，许多学者对其有不同理解，具有代表性的理解就多达十几种，但使用较多的是替代计量学。
目前，关于Altmetrics的研究主要分为理论、工具、方法及应用，理论主要是其概念和问题分析，较多涉及Ahmetrics指标与传统指标之间的关系。例如：Alhoori H等学者发现Altmetrics与出版物的数量、h指数、被引量之间存在相关关系;Eysenbach G等学者指出Altmetrics指标与传统的引文指标呈现弱相关，论文的社会影响力与学术影响力之间关联度并不大;王妍等学者采用Spearman方法尝试探究学者被引频次与Ahmetrics中社会影响力指标之间的相关性，以及各项社会影响力指标之间的相关性。随后，越来越多的Alt-metrics工具开始出现，吴胜男等学者以目前比较常见的Altmetrics应用工具Altmletric.com、Plum Analytics、ImpactStory、PLOS ONE Altmetrics、Readermeter、ScienceCard、PaperCritic以及CitedIn为研究对象，针对每一种工具的功能特征、优势和不足进行详细的分析和论述。其中，Altmetric.com是一款分析评估单篇论文Altmetrics指标的工具，由Digital Science公司开发，该工具综合计算某一篇学术论文在Twitter、Google 、CiteULike、Mendeley、博客以及主流新闻媒体等信息源的引用数据，Altmetrics指标具有多种，一般被学者分为几类进行研究。例如：Waltman L等学者对Altmetrics的11个指标通过因子分析分为3类。目前，Ahmetrics研究主要方法为社会网络分析、数据挖掘与分析等，更多应用于论文、期刊、机构、学者等各种影响力评价领域，并通过不断构建评价指标应用到多个领域，王凯利等学者融合了Alt-metrics和引文分析法构建期刊影响力评价体系，并对国际图情期刊的影响力进行分析：Boetto E等学者发现传统引用计数，社交媒体上的引用以及新闻和博客上的提及之间存在适度的相关性，并且定义一种方法，即综合影响力得分（CIS），该方法可以协调不同的指标以提供多维影响力指标。另外，关于Ahmetrics指标的研究，更多则是关于各指标之间相关性，许丹等学者对比分析SCIE被引频次、ESI高被引、FS、Ahmetrics各项指标之间的关系;陈胜龙等学者验证其与学者H5指数间存在显著相关性。
大数据的迅速发展，带动了数据挖掘领域的研究，数据挖掘领域一般具有C4.5、K-Means、SVM、Apriori等多种具有影响力的算法，可涵盖分类、聚类、统计学习、关联分析和链接挖掘，其中关联规则最早是由Agrawal R等学者提出，是数据挖掘领域的一种方法，可以挖掘数据的隐含特征，关联规则经常应用于购物篮分析，从而为商品促销提供参考，基本方法常为Apriori算法，并被许多学者应用于各种领域。例如：游立清等学者利用此算法提出卷烟物理指标关联性的分析方法。目前，关于关联规则的研究主要是关联规则算法创新、关联规则应用等方面，许多学者提出改进算法进行有关应用。例如：常见的多最小支持度的关联规则挖掘、分类关联规则挖掘等方法，田建勇、徐樾等学者将改进算法应用于计算机和动力工程等不同领域。关联规则应用范围较广，学者纷纷创新，广泛应用于多种领域，常见的是应用于中医药，探析用药规律等问题，申玲玲等学者针对急性痛风性关节炎用药规律研究。另外多是利用关联规则进行影响因素的相关研究，曹磊等学者利用关联规则对路面损坏状况影响因素进行探讨。
综合来看，Altmetrics相关研究目前主要集中在与各指标进行相关性分析的研究，以及通过指标构建应用于不同领域进行评价，关于高社会影响力论文的论文特征和传播特征相对较少，聚类分析和关联规则作为常用方法，但较少结合应用于论文特征方面。因此，本文将Ahmetric TOP榜文献作为高社会影响力文献，利用频数统计与分析探讨高社会影响力文献特征，同时利用聚类与关联规则进行分析，探讨不同学科、国家（地区）、文献获取方式、AAS值、被引次数等方面的传播渠道特征。
1研究方法与数据来源
1.1研究方法
本文采用定性与定量分析的方法，首先从Ah.metric，com得到Ahmetric TOP榜文献，基于所得數据进行频数统计与分析，然后通过K-Means聚类将不同指标划分级别，最后利用基于Apriori算法的关联规则探讨不同被引次数区间、AAS值区间、学科、国家（地区）和获取方式的传播特征。其中关联规则是常用的数据挖掘领域方法，能够有效挖掘数据隐含特征，Apriori算法是一个经典的挖掘规则算法。一般以商品交易为例，假设被研究对象称为项（Item），所有项的集合为，={i1，i2，…，im}，每条交易ti项对应的项的集合为I的子集，I的任何一个子集被称为项集（Itemset），即X={ij1，ij2，…，ijm}，事务数据库为D={t1，t2，…，tm}，每条交易数据ti构成事务D，每个项集包含的项的个数称为项集的长度，一个长度为k的项集被称为k项集，一个项集X在数据库D中出现的次数称为频数，记为count（X）。关联规则需要从数据中找出满足最小支持度和置信度的关联规则，其中定义如下： 1）支持度（support）。一个项集X的支持度指的是在数据集中包含该项集的记录所占比例。如式（1）所示。若给定一个最小支持度support（min），所得support（X）≥support（min），则X称为频繁项集。
support（X）=count（X）/|D} （1）
2）置信度（confidence）。也可称为可信度，它是针对一条比如X→Y的关联规则来定义的，指的是包含X的交易中包含Y的比例。即：
cofidence（X=