基于独立指标和变分自编码器的期刊影响力评价

摘要

[目的/意义]多指标融合是现有学术期刊影响力评价方法的发展趋势.然而,指标之间的多重共线性问题、复杂非线性关系、以及各个指标重要性衡量是期刊影响力综合评价的难点.[方法/过程]系统地应用多种人工智能方法提出了一种多指标融合方法并进行学术期刊综合评价.首先结合层次聚类算法和主成分分析方法设计了一个指标独立性指数,并以此对多个指标进行分组合并,从而获得少数高独立性代表指标;其次,利用变分自编码器的非线性表达能力将这些指标自动隐式地赋予权重并融合为一个新的期刊影响力评价指数;最后,利用极限梯度提升方法显式地量化了这些高独立指标对于该评价指数的各自重要性.[结果/结论]以42个"图书馆学与情报学"期刊为实证,将33个期刊指标分组并融合为7个高独立指标组,分别是:被引用量、影响因子、基金论文比、可被引文献比、半衰期、他引总引比、可被引用量;并进一步综合为单个期刊影响力评价指数;同时得出了这些代表指标对于该评价指数的重要性,分别为:27.82％、23.86％、18.27％、13.30％、8.93％、3.96％和3.86％.