融合学术贡献与创新价值的论文学术影响力预测分级方法

来源：图书情报工作杂志2025年第2期北京时间：

作者：张彪,陈云伟,高道斌

单位：1 中国科学院成都文献情报中心 成都 610299;2 中国科学院大学经济与管理学院信息资源管理系 北京 100190;3 大连理工大学科学学与科技管理研究所 大连 116024

摘要：[目的/意义] 基于论文自身携带的知识信息，提出融合学术贡献与创新价值的论文学术影响力预测分级方法，为更加全面、科学预测论文学术影响力提供新思路。[方法/过程] 从以文评文的角度出发，首先从论文本身选取常规的文献计量指标，采用 prompt 微调大模型的方法从论文摘要中生成学术贡献，并且创建知识差异度、知识离群度、知识前沿度、知识增长量表征论文的创新价值；其次，将向量化后的学术贡献与文献计量指标、创新价值指标拼接融合作为机器学习算法的输入，采用性能最优的算法预测论文属于高影响类别的概率，根据概率将论文学术影响力划分为 A—J 十个等级；最后，基于 SHAP（shapley additive explanations） 解释框架进一步分析学术贡献、创新价值、文献计量指标对论文学术影响力的影响及作用方向。[结果/结论] 创新价值对论文学术影响力预测的重要性最高，其次是学术贡献，文献计量指标的重要性最低。所提出的方法可以大幅度提升论文学术影响力预测的准确性。

关键词：学术贡献,创新价值,学术影响力预测,机器学习,SHAP,

基金资助：本文系中国科学院成都文献情报中心2022年创新基金创新业务平台项目“科技创新评价研究中心”（项目编号：E3Z0000101）研究成果之一。