基于改进<bold>BP</bold>神经网络和函数拟合的细胞生物学领域“睡美人”识别与典型应用探测

doi:10.3772/j.issn.1000-0135.2023.06.007

情报学报

2023, Vol. 42

Issue (6): 711-728 DOI: 10.3772/j.issn.1000-0135.2023.06.007

情报技术与应用

本期目录 | 过刊浏览 | 高级检索

基于改进BP神经网络和函数拟合的细胞生物学领域“睡美人”识别与典型应用探测

胡泽文, 金昕悦, 崔静静

南京信息工程大学管理工程学院，南京 210044

Identifying “Sleeping Beauties” in Cell Biology and Exploring Their Classical Applications through an Improved BP Network and Function Fitting

Hu Zewen, Jin Xinyue, Cui Jingjing

School of Management Science and Engineering, Nanjing University of Information Science & Technology, Nanjing 210044

摘要
图/表
参考文献
相关文章 (15)

全文: PDF (4773 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要海量科技文献中“睡美人”的充分挖掘与广泛利用，能够最大程度实现此类文献的科学价值，发挥其对科技发展的重大促进作用。本文设计和实现融合K值算法的BP（back propagation）神经网络模型，以及融合最小二乘法和迭代算法的一元二次函数拟合识别模型，对细胞生物学领域401130篇论文中的“睡美人”进行识别检验，结果发现：①BP神经网络模型能明显改进“睡美人”识别的自动化程度和效果，不受引文期长短的影响，然而需要预先识别出“睡美人”进行识别模型训练；最小二乘法、迭代算法和切片算法的融入能够提升一元二次函数和基尼系数的识别效率。②一元二次函数拟合受引文期的影响较小，然而基尼系数受引文期的影响极大，较短引文期文献中识别出的“睡美人”数量是较长引文期文献中“睡美人”数量的15倍。③即使同一个领域，识别结果的方法差异也较为明显。K值算法、BP神经网络和一元二次函数的识别效果较优，然而识别数量较少，占总量比例不到0.09%。基尼系数方法受引文期影响，导致识别效果最差且识别数量最多，占比达到0.41%。④细胞生物学领域“睡美人”数量的年度分布较为稳定，保持在0.02%~0.17%。⑤“睡美人”识别结果能够广泛应用于不同价值文献的计量特征比较，领域研究热点主题的识别与推荐，以及潜在“精品”或高价值文献的识别与传播推荐。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	胡泽文
	金昕悦
	崔静静

关键词 ：细胞生物学, 睡美人, BP神经网络, 一元二次函数, 基尼系数, 典型应用, 研究热点, 文献计量

收稿日期: 2022-04-25

基金资助:国家社会科学基金项目“面向海量科技文献的潜在‘精品’识别方法与应用研究”（20CTQ031）。

作者简介: 胡泽文，男，1985年生，博士，副教授，硕士生导师，主要研究方向为科学计量与科技评价、数据科学与知识工程，E-mail：huzewen915@163.com；金昕悦，女，1999年生，学士，主要研究方向为数据科学与知识工程；崔静静，女，1998年生，硕士，主要研究方向为数据科学与知识工程；

引用本文:

胡泽文, 金昕悦, 崔静静. 基于改进BP神经网络和函数拟合的细胞生物学领域“睡美人”识别与典型应用探测[J]. 情报学报, 2023, 42(6): 711-728.
Hu Zewen, Jin Xinyue, Cui Jingjing. Identifying “Sleeping Beauties” in Cell Biology and Exploring Their Classical Applications through an Improved BP Network and Function Fitting. 情报学报, 2023, 42(6): 711-728.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2023.06.007 或 https://qbxb.istic.ac.cn/CN/Y2023/V42/I6/711

1 Li J, Shi D B, Zhao S X, et al. A study of the “heartbeat spectra” for“sleeping beauties”[J]. Journal of Informetrics, 2014, 8(3): 493-502.
2 Barber B. Resistance by scientists to scientific discovery[J]. Science, 1961, 134(3479): 596-602.
3 Garfield E. Bradford’s law and related statistical patterns[J]. Current Contents, 1980, 19: 5-12.
4 van Raan A F J. Sleeping beauties in science[J]. Scientometrics, 2004, 59(3): 467-472.
5 梁立明, 林晓锦, 钟镇, 等. 迟滞承认: 科学中的睡美人现象——以一篇被迟滞承认的超弦理论论文为例[J]. 自然辩证法通讯, 2009, 31(1): 39-45, 111.
6 Wang J C, Ma F C, Chen M J, et al. Why and how can “sleeping beauties” be awakened?[J]. Electronic Library, 2012, 30(1): 5-18.
7 Li J, Ye F Y. The phenomenon of all-elements-sleeping-beauties in scientific literature[J]. Scientometrics, 2012, 92(3): 795-799.
8 杜建. “睡美人”文献的识别方法与唤醒机制研究[D]. 南京: 南京大学, 2017.
9 Avramescu A. Actuality and obsolescence of scientific literature[J]. Journal of the American Society for Information Science, 1979, 30(5): 296-303.
10 Aversa E S. Citation patterns of highly cited papers and their relationship to literature aging: a study of the working literature[J]. Scientometrics, 1985, 7(3): 383-389.
11 Costas R, van Leeuwen T N, van Raan A F J. Is scientific literature subject to a ‘Sell-By-Date’? A general methodology to analyze the ‘durability’ of scientific documents[J]. Journal of the American Society for Information Science and Technology, 2010, 61(2): 329-339.
12 Li J. Citation curves of “all-elements-sleeping-beauties”: “flash in the pan” first and then “delayed recognition”[J]. Scientometrics, 2014, 100(2): 595-601.
13 Burrell Q L. Are “sleeping beauties” to be expected?[J]. Scientometrics, 2005, 65(3): 381-389.
14 Ohba N, Nakao K. Sleeping beauties in ophthalmology[J]. Scientometrics, 2012, 93(2): 253-264.
15 袁红, 杭培培. 不同学科领域“睡美人”论文的比较分析[J]. 情报资料工作, 2016, 35(2): 34-38.
16 Ke Q, Emilio F, Filippo R, et al. Defining and identifying sleeping beauties in science[J]. Proceedings of the National Academy of Sciences of the United States of America, 2015, 112(24): 7426-7431.
17 杜建, 武夷山. 一个用于识别睡美人文献的新的无参数指标——基于“Science”和“Nature”上睡美人文献的验证[J]. 情报理论与实践, 2017, 40(2): 19-25.
18 Ye F Y, Bornmann L. “smart girls” versus “sleeping beauties” in the sciences: the identification of instant and delayed recognition by using the citation angle[J]. Journal of the Association for Information Science and Technology, 2018, 69(3): 359-367.
19 Wang J. Citation time window choice for research impact evaluation[J]. Scientometrics, 2013, 94(3): 851-872.
20 Hartley J, Ho Y S. Who woke the sleeping beauties in psychology?[J]. Scientometrics, 2017, 112(2): 1065-1068.
21 Dey R, Roy A, Chakraborty T, et al. Sleeping beauties in Computer Science: characterization and early identification[J]. Scientometrics, 2017, 113(3): 1645-1663.
22 Teixeira A A C, Vieira P C, Abreu A P. Sleeping beauties and their princes in innovation studies[J]. Scientometrics, 2017, 110(2): 541-580.
23 王海燕, 马峥, 高继平, 等. “睡美人”论文与领域主题演变关系研究——以信息安全技术领域睡美人论文为例[J]. 情报学报, 2018, 37(10): 989-996.
24 张慧, 叶鹰. 优质论文中的“天鹅群”及其“伴随睡美人”探析[J]. 情报学报, 2021, 40(6): 603-609.
25 侯剑华, 李昊, 张洋, 等. Altmetrics视角下科学睡美人的演化特征分析[J]. 情报学报, 2021, 40(9): 934-952.
26 Garfield E. More delayed recognition. Part 2. From inhibin to scanning electron microcopy[J]. Current Contents, 1990, 9: 3-9.
27 Gl?nzel W, Schlemmer B, Thijs B. Better late than never? On the chance to become highly cited only beyond the standard bibliometric time horizon[J]. Scientometrics, 2003, 58(3): 571-586.
28 Gl?nzel W, Garfield E. The myth of delayed recognition[J]. The Scientist, 2004, 18(11): 8-9.
29 胡泽文, 武夷山. 科技产出影响因素分析与预测研究——基于多元回归和BP神经网络的途径[J]. 科学学研究, 2012, 30(7): 992-1004.
30 宋呈玉, 李秀霞, 谢瑞霞, 等. 基于二次函数曲线拟合的睡美人文献识别研究[J]. 情报杂志, 2018, 37(6): 119-123, 207.
31 Sun J J, Min C, Li J. A vector for measuring obsolescence of scientific articles[J]. Scientometrics, 2016, 107(2): 745-757.
32 胡泽文, 屈静, 周西姬. 世界顶尖科学家获奖年龄与授奖时滞的周期演变特征——以诺贝尔奖得主为例[J]. 图书馆论坛, 2022, 42(12): 48-56.
33 胡泽文, 孙建军, 武夷山. 国内知识图谱应用研究综述[J]. 图书情报工作, 2013, 57(3): 131-137, 84.
34 祝清松, 冷伏海. 基于引文内容分析的高被引论文主题识别研究[J]. 中国图书馆学报, 2014, 40(1): 39-49.
35 莫富传, 娄策群. 高被引论文应用于研究热点识别的理论依据与路径探索[J]. 情报理论与实践, 2019, 42(4): 59-63, 35.
36 Moral-Munoz J A, Lucena-Antón D, Perez-Cabezas V, et al. Highly cited papers in microbiology: identification and conceptual analysis[J]. FEMS Microbiology Letters, 2018, 365(20): 555-568.
37 邹萍, 董颖, 李莘, 等. 科学知识图谱视角下国内外图情领域危机管理对比研究[J]. 情报科学, 2018, 36(12): 62-65.
38 张敏, 朱明星, 沈雪乐. 国际MIS学科领域研究热点及演化路径分析——基于10本国际权威期刊2004—2013年间的样本分析[J]. 情报杂志, 2015, 34(3): 93-99.
39 van Eck N J, Waltman L. VOSviewer manual[EB/OL]. (2022-01-24) [2022-05-21]. https://www.vosviewer.com/documentation/Manual_VOSviewer_1.6.18.pdf.
40 张垒. 论文高被引的参考文献特征及其对影响因子贡献研究[J]. 情报科学, 2016, 34(8): 94-98.
41 Kolle S R, Vijayashree M, Shankarappa T H. Highly cited articles in malaria research: a bibliometric analysis[J]. Collection Building, 2017, 36(2): 45-57.
42 常青. 情报学研究高被引论文的特征分析[J]. 情报资料工作, 2014, 35(4): 100-102.
43 叶协杰. 我国图书情报学高被引论文热点分析[J]. 图书情报工作, 2007, 51(12): 138-141.
44 Hu Z W, Lin A, Willett P. Identification of research communities in cited and uncited publications using a co-authorship network[J]. Scientometrics, 2019, 118(1): 1-19.
45 Hu Z W, Wu Y S. Regularity in the time-dependent distribution of the percentage of never-cited papers: an empirical pilot study based on the six journals[J]. Journal of Informetrics, 2014, 8(1): 136-146.
46 Hu Z W, Wu Y S, Sun J J. A quantitative analysis of determinants of non-citation using a panel data model[J]. Scientometrics, 2018, 116(2): 843-861.
47 Hu Z W, Wu Y S, Sun J J. A survey-based structural equation model analysis on influencing factors of non-citation[J]. Current Science, 2018, 114(11): 2302-2312.