共引网络中基于PageRank的作者排序
摘要：PageRank算法在信息检索中创造了一种新的协同作用，可以更好地对网页进行排序。它根据图的拓扑结构和节点的权重来对文档进行排序。PageRank显著推进了信息检索领域，并使Google在搜索引擎市场上保持领先地位。它已应用于评估研究影响力的计量学领域，但很少有研究关注用于排名目的的阻尼因子（d）的重要影响。本文研究了在PageRank算法中变化的阻尼因子如何能够提供对作者在作者共被引网络中的排名的额外洞察。此外，我们提出了加权PageRank算法。我们选择了从1970年代到2008年的信息检索领域中被引用最多的108位作者来构建作者共被引网络。我们根据阻尼因子从0.05到0.95的范围计算了这108位作者的排名。为了测试这些不同测量方法之间的关系，我们将PageRank和加权PageRank的结果与引用排名、H指数和中心性测量进行了比较。我们发现，在我们的作者共被引网络中，引用排名与不同阻尼因子下的PageRank和不同PageRank算法高度相关；引用排名与中心性测量不显著相关；H指数与中心性测量不显著相关。
作者：Ying Ding, Erjia Yan, Arthur Frazho, James Caverlee
论文ID：1012.4872
分类：Digital Libraries
分类简称：cs.DL
提交时间：2010-12-23