一種論文時(shí)間與引用兼顧的科研論文排序算法.pdf

1、互聯(lián)網(wǎng)包含數(shù)量巨大的文件信息,從而搜索引擎所返回的搜索結(jié)果可能包含上千或者上百萬(wàn)條的記錄。這樣就必然需要一種排序算對(duì)搜索結(jié)果進(jìn)行排序,使得人們能夠在第一時(shí)間看到最符合要求的結(jié)果。一般的搜索引擎只會(huì)采用一種排序算法來(lái)對(duì)所有情況的搜索結(jié)果進(jìn)行排序,導(dǎo)致所有的返回結(jié)果將以同樣的規(guī)則排列。這樣的排序方式可能不利于一些特殊類(lèi)型的文章,比如一些科學(xué)研究論文。雖然人們創(chuàng)造了一些專(zhuān)門(mén)的搜索引擎用來(lái)搜索、索引和排序那些特殊類(lèi)型的搜索對(duì)象,但這些搜索引擎仍

2、然使用與通用搜索引擎相類(lèi)似的排序算法。
　　在本論文中,將專(zhuān)門(mén)為科學(xué)研究論文構(gòu)造一種新的、容易實(shí)現(xiàn)的排序算法。Paper time ranking algorithm(PTRA)是一種新的排序算法,它根據(jù)三個(gè)因素來(lái)對(duì)結(jié)果進(jìn)行排序:發(fā)表年份、引用頻次、所屬刊物。這三個(gè)因素會(huì)對(duì)PTRA帶來(lái)不同的影響?？紤]到這三個(gè)因素出自以下三個(gè)原因:首先,國(guó)際會(huì)議或期刊在業(yè)界的影響力在一定程度上表明了論文的質(zhì)量;其次,論文發(fā)表年份能決定該文章的主題是

3、否會(huì)成為熱門(mén)主題;第三,論文的引用頻次能夠說(shuō)明該文章的含金量、受關(guān)注程度以及其對(duì)相應(yīng)研究方向的影響力。鑒于科學(xué)研究者們傾向于對(duì)最新的科學(xué)文獻(xiàn)投入更多的關(guān)注,將在算法中提高發(fā)表年分的影響比例。
　　為了構(gòu)建和證實(shí)PTRA算法,做了一個(gè)網(wǎng)絡(luò)爬蟲(chóng),它會(huì)遍歷世界上不同的科研論文數(shù)據(jù)庫(kù)以收集PTRA所需的信息。遺憾的是,起初有些信息缺失或難以收集,比如一些學(xué)術(shù)期刊的影響力因子。為了收集這些信息,構(gòu)造了另一個(gè)網(wǎng)絡(luò)爬蟲(chóng),專(zhuān)門(mén)用來(lái)提取和計(jì)算期刊的

4、影響力因子。時(shí)至今日,網(wǎng)絡(luò)爬蟲(chóng)已經(jīng)可以收集到PTRA所需的全部數(shù)據(jù)。為了證明排序算法結(jié)果的準(zhǔn)確性以及各個(gè)參數(shù)對(duì)排序算法的影響,將PTRA與谷歌學(xué)術(shù)搜索的排序算法進(jìn)行了對(duì)比。參考谷歌學(xué)術(shù)搜索有三個(gè)原因:首先,谷歌學(xué)術(shù)上已有超過(guò)了五千萬(wàn)篇的論文。第二,谷歌的網(wǎng)絡(luò)爬蟲(chóng)比較先進(jìn),可以以較快的方式在世界范圍內(nèi)收集最新發(fā)表的作品。第三,谷歌在搜索引擎和排序算法上擁有非常豐富的經(jīng)驗(yàn)。
　　經(jīng)過(guò)比較可以得知,在谷歌排序算法中,論文的引用頻次對(duì)排序