基于早期知识结构新颖性的学者影响力预测研究——以生物医学领域为例
来源：图书情报工作杂志2025年第7期北京时间：
作者：吴志祥,伊海港,祝艺萌,王培,王昊
单位：1 南京工业大学经济与管理学院 南京 211816;2 南京大学信息管理学院 南京 211023
摘要：[目的/意义] 基于学者知识结构蕴含的创新特征，设计学者早期知识结构新颖性的测度指标，以此预测学者未来的影响力，为学术人才的早期识别提供新的指标借鉴。[方法/过程] 首先，通过PubMed Knowledge Graph数据库获取57 927位生物医学领域学者数据，利用受控主题词共现关系构建学者的知识结构；其次，从知识主题与结构位置两个层面出发设计6项指标测度学者早期知识结构新颖性；之后，根据学者后期的影响力对学者进行分类标注，训练机器学习模型；最后，实验评估不同组合变量模型下的分类效果，分析基于知识结构新颖性指标的预测性能。[结果/结论] 新颖性指标能有效预测影响力；单指标预测中，主题新颖性（TN）效果最好，结构层面的4个指标效果均超过主题组合新颖性（TCN）；综合指标的预测F1值平均提高2.7%。从内容特征角度出发，为预测与理解学者学术影响力提供新视角，所设计的新指标具有实用价值，能帮助弥补现有预测指标的不足。
关键词：影响力预测,学者知识结构,新颖性,机器学习,
基金资助：本文系国家自然科学基金项目“基于深度学习与语义关联的关键核心技术—专家组合模型研究”（项目编号：7190408）和国家社会科学基金“功勋科学家文献资源的知识关联与价值挖掘研究”（项目编号：23CTQ027）研究成果之一。
