摘要：[目的/意义]针对现有评价方法对作者影响力的因素考虑不全面,以及单一指标评价的片面性等问题,提出一种基于灰色关联分析的综合评价方法。[方法/过程]首先,通过考虑论文的时间因子、期刊的影响因子等因素,设计了反映作者研究成果价值的总复合被引频次指标;然后,考虑到论文中的作者数量、署名位次以及通信作者因素,利用了改进后的调和计量式来分配作者的贡献权重,进而提出了作者活跃度指标;最后,基于熵权法和灰色关联分析,并结合4个不同层面的评价指标,提出了作者影响力的综合性评价指标--关联度。[结果/结论]对图书情报学领域的81位待评估作者进行实证分析,结果表明:关联度指标相比其他传统指标,能更客观地区分作者的影响力;其中的总复合被引频次,相比总被引频次,能更真实地反映作者研究成果的实际价值。

摘要：[目的/意义]为弥补现有作者影响力评价指标缺乏内容信息的不足,发现不同研究主题下高影响力的作者,文章给出一种基于主题内容的作者影响力评价方法。[方法/过程]以情报学领域近5年核心期刊的文献为样本,首先利用CTM模型提取样本文献的主题,获得文献作者对不同主题的贡献值;再利用K-means算法对样本文献分类,由此将文献对应的作者划分到特定主题类别下;然后,将作者在某特定主题类别的贡献值与作者发表文献的平均被引频次相结合,设计特定主题类别下作者影响力指标(Author Influence Index in Specific Topic,AII-ST);最后,根据AII-ST值对作者进行影响力排序。[结果/结论]本研究在方法上,通过CTM模型与K-means算法的结合实现了K-means算法初始聚类中心与聚类数目的双重优化;在应用中,作者评价指标AII-ST值能有效限定作者的比较范围,较好地反映作者的研究方向;新指标评价视角新颖、评价结果可靠。