论文影响力的确定方法

1.本发明属于论文信息计量的技术领域，具体涉及一种论文影响力的确定方法。


背景技术：

2.基于文献被引频次的传统论文影响力计算方法已广泛应用于学术评价、科研绩效管理等领域，并衍生出了期刊影响因子if、科研人员h指数等一系列颇具影响力的计量指标，但这些方法均将所有的引用同等看待，未能有效区分不同引文内容之间的具体差异。同时，随着在线学术交流和出版形式的增加，越来越多的学术成果在互联网上被传播和在线引用，传统的学术论文评价方式已越来越不能满足全面、及时、客观地评价学术论文的需求，将论文的社会影响力指标altmetrics纳入评价体系逐渐成为研究人员关注的焦点。然而，当前对引文文本情感的自动识别仍以构建情感词典方法为主，准确率并不理想；对于社交媒体上提及学术论文的文本进行情感分析的研究也较少。因此，如何有效进行针对学术文本的情感识别、并融合论文的社会影响力指标、进而更细粒度地评价的论文影响力成为一个重要问题。


技术实现要素：

3.本发明的目的在于针对现有技术的不足之处，提供一种论文影响力的确定方法，该方法实现了准确率更优的特定文本情感自动分类效果，并通过不同情感赋予不同权重的方式计算影响力指数，实现了更加细粒度的、能够区别不同引文内容和社交媒体提及内容的影响力计算方式。
4.为解决上述技术问题，本发明采用如下技术方案：
5.一种论文影响力的确定方法，包括如下步骤：
6.步骤1、获取待分析论文的施引文献全文，并对其进行数据预处理获得施引文献中的引文文本，并对其中部分引文文本进行标注获得引文文本的标签类别集；
7.步骤2、采用步骤1获得的引文文本的标签类别集作为训练集训练第一deepmoji模型，并采用训练后的第一deepmoji模型对未标注的引文文本进行情感分类；
8.步骤3、获取待分析论文的社交媒体提及文本，对部分社交媒体提及文本进行标注获得社交媒体提及文本的标签类别集，采用该标签类别集训练第二deepmoji模型，并采用训练完成的第二deepmoji模型对未标注的社交媒体提及文本进行情感分类；
9.步骤4、通过赋予步骤2得到的引文文本和步骤3的社交媒体提及文本中不同情感以不同权重的方式计算论文的影响力指数。
10.进一步地，步骤1具体包括如下子步骤：
11.s1.1、从数据库中获取待分析论文的被引文献全文及被引文献对应的施引文献全文，删除无法获取全文的被引文献全文和施引文本；
12.s1.2、将施引文献全文pdf转化为txt格式的文本，保留引用标记；
13.s1.3、利用正则表达式匹配引用标记的方法获取施引文献中的所有引文文本；
14.s1.4、构建引用对象、引用动机和引用情感的标签类别以及对应的划分标准；
15.s1.5、根据已确定的划分标准对引文文本的引用对象、引用动机和引用情感分别进行人工标注，并将引文文本转化为引文文本特征向量，得到引文文本的有标签集合。
16.进一步地，引用对象的标签类别包括背景、术语、方法和结论。
17.进一步地，引用动机包括的标签类别包括背景、基于、支持、批判、不同。
18.进一步地，引用情感的标签类别包括正面、中性、负面。
19.进一步地，步骤2具体包括以下子步骤：
20.s2.1初始化第一deepmoji模型的模型参数，将步骤1中得到的引文文本特征向量输入到第一deepmoji模型的第一层embedding层得到引文文本的embedding特征向量qi；
21.s2.2、将s2.1中得到的引文文本embedding特征向量qi输入第一deepmoji模型的第二层、第三层bilstm层中分别得到特征向量q
′i和q
″i；
22.s2.3、将s2.1中得到的embedding特征向量qi、s2.2中得到的特征向量q
′i、q
″i进行拼接，得到特征向量pi并将特征向量pi输入到第一deepmoji模型第三层的attention中得到引文文本的高维特征向量p
″i；
23.s2.4、将p
″i输入第一deepmoji模型的第四层softmax层，输出引文文本的引用情感、引用情感和引用动机的分类标签；
24.s2.5、以步骤1中得到的标注标签类别结合步骤2.4中得到的引文文本的引用情感、引用情感和引用动机的分类标签对第一deepmoji模型的模型参数进行训练，在训练过程中，建立损失函数，通过反向传播优化模型参数，直至损失函数收敛，得到优化后的第一deepmoji模型的模型参数；
25.s2.6、利用已训练好的第一deepmoji模型对未标注的引文文本的引用情感进行分类。
26.进一步地，步骤2.5中建立的损失函数为交叉熵损失函数l，其公式为：
[0027][0028]
式中，为softmax层输出的引用情感标签，为输出的引用对象标签，为输出的引用动机标签；yi为训练集中人工标注的引用情感标签，y
′i为训练集中人工标注的引用对象标签，yi为训练集中人工标注的引用动机标签；i＝1,2,
…
,n，n表示样本总数；λ1和λ2均为模型参数。
[0029]
进一步地，步骤3具体包括如下子步骤：
[0030]
s3.1、在社交媒体平台上通过待分析被提及论文的标题或doi号进行检索，获取社交媒体提及文本；
[0031]
s3.2、确定提及动机和提及情感的标签类别以及其对应的划分标准，并根据构建的标签类别及其划分标准对部分社交媒体提及文本的标签类别进行标注；
[0032]
s3.3、将社交媒体提及文本转化为社交媒体提及文本特征向量，根据步骤s3.2得到的部分社交媒体提及文本的标签类别以及其对应的特征向量得到有标签集合，将集合内的社交媒体提及文本的特征向量逐层输入第二deepmoji模型中对其模型参数进行训练，并
利用训练好的第二deepmoji模型对未标注的社交媒体提及文本的提及情感进行分类。
[0033]
进一步地，提及动机的标签类别包括总结或引用文章的发现、批评或质疑文章的内容或发现、认可或推荐文章以及应用于现实生活，提及情感的标签类别包括中性、正面、负面。
[0034]
进一步地，步骤4中构建的论文的影响力指数为：
[0035][0036]
其中，w1为正面引用或提及的权重，w2为中性引用或提及的权重，w3为负面引用或提及的权重；ci为引文文本中的正面引用次数，c
′i为引文文本中的中性引用次数，c
″i为引文文本中的负面引用次数，ci+c
′i+c
″i＝n；mi为社交媒体提及文本中的正面提及，m
′i为社交媒体提及文本中的中性提及，m
″i为社交媒体提及文本中的负面提及，mi+m
′i+m
″i＝n
′
。
[0037]
与现有技术相比，本发明的有益效果为：
[0038]
1、本发明融合了传统的引文分析指标和新兴的altmetrics指标，既体现了论文的学术影响力，又体现了论文的大众关注度和社会影响力，能够更加全面深刻地揭示论文的实际影响力；
[0039]
2、本发明利用人工标注的标签对deepmoji情感分类模型进行微调，提高了deepmoji模型对特定文本分类任务的特征提取能力，获得了更加准确的语义特征向量表示，实现了准确率更优的特定文本情感自动分类效果；
[0040]
3、本发明构建了deepmoji模型的多任务学习框架，在引文文本情感分类任务中借助引用对象分类和引用动机分类两个辅助任务帮助模型训练、在社交媒体提及文本情感分类任务中借助提及动机这一辅助任务帮助模型训练，使其鲁棒性更佳；
[0041]
4、本发明通过deepmoji模型实现了对引文文本和社交媒体上提及论文的文本的自动情感识别，并通过不同情感赋予不同权重的方式计算影响力指数，实现了更加细粒度的、能够区别不同引文内容和社交媒体提及内容的影响力计算方式。
附图说明
[0042]
图1为本发明实施例论文影响力的确定方法的实施框图；
[0043]
图2为本发明实施例论文影响力的确定方法的实施流程图；
[0044]
图3为本发明实施例对引文文本进行情感分类的deepmoji模型图；
[0045]
图4为本发明实施例对社交媒体提及文本进行情感分类的deepmoji模型图。
具体实施方式
[0046]
下面将结合本发明实施例对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0047]
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
[0048]
下面结合具体实施例对本发明作进一步说明，但不作为本发明的限定。
[0049]
如图1和图2所示，本发明实施例公开了一种论文影响力的确定方法，包括如下步骤：
[0050]
步骤1、获取待分析论文的施引文献全文，并对其进行数据预处理获得施引文献中的引文文本，并对其中部分引文文本进行标注获得引文文本的标签类别集；该步骤包括如下子步骤：
[0051]
s1.1、从数据库中获取待分析论文的被引文献全文及被引文献对应的施引文献全文，删除无法获取全文的被引文献和施引文献；
[0052]
s1.2、将施引文献全文pdf转化为txt格式的文本，保留引用标记。当被引文献出现在施引文献中时，通常会被以“[编号]”的格式标记，如被引文献《sars-cov-2variants of concern and vaccine escape,from alpha to omicron and beyond》一文在其施引文献《antibody persistence and safety after heterologous boosting with orally aerosolised ad5-ncov in individuals primed with two-dose coronavac previously:12-month analyses of a randomized controlled trial》一文中的introduction部分被标记为“[3]”，其中，“[3]”即为引用标记，“[3]”所在的句子即为引文句。利用python语言将s1.1中获得的施引文献全文pdf全部转化为txt格式的文本，并保留文中所有的引用标记“[]”；
[0053]
s1.3、利用python语言中的正则表达式匹配引用标记“[]”，利用正则表达式匹配引用标记的方法获取施引文献中的引文文本，这里将引文文本定义为引用标记所在的引文句及其前两句和后两句，一篇施引文献中可能匹配到多次引用标记，须提取所有的引文文本；
[0054]
s1.4、构建引文文本的引用对象、引用动机和引用情感的标签类别以及标签类别对应的划分标准，见表1、表2和表3，其中，表1为引用对象的标签类别，表2为引用动机的标签类别，表3为引用情感的标签类别；
[0055]
表1为引用对象的标签类别
[0056][0057][0058]
表2为引用动机的标签类别
[0059][0060]
表3为引用情感的标签类别
[0061][0062][0063]
s1.5、根据已确定的划分标准对部分引文文本分别进行引用对象、引用动机和引
用情感的人工标签标注，并利用python语言sklearn模块中的countvectorizer和tfidfvectorizer函数将全部引文文本转化为引文文本特征向量，得到引文文本的有标签集合其中，xi表示第i条样本中的引文文本特征向量；yi表示第i条样本中的引用情感标签；yi表示引用对象标签；y
′i表示引用动机标签，标签均来自人工标注；i＝1,2,
…
,n，n表示样本总数。
[0064]
步骤2、采用步骤1获得的引文文本的标签类别集作为训练集训练第一deepmoji模型，并采用训练后的第一deepmoji模型对未标注的引文文本进行情感分类，见图3；该步骤具体包括如下子步骤：
[0065]
s2.1将步骤1得到的有标签集合中的引文文本向量xi输入第一deepmoji模型的第一层embedding层，该层能够使文本中的每一个词嵌入向量空间，并通过tanh激活函数把嵌入维度压缩到[-1,1]，由此可输出引文文本的embedding特征向量，表示为：
[0066]
qi＝tahn(embedding(xi))；
[0067]
其中，qi是引文文本的embedding特征向量，特征维度为256维，xi是引文文本特征向量，tahn是激活函数双曲正切函数，embedding是第一deepmoji模型中的嵌入层；
[0068]
s2.2、将s2.1中得到的引文文本embedding特征向量qi输入第一deepmoji模型的第二层和第三层，两层均为bilstm层，即双向lstm层(bidirectional long short-term memory，长短期记忆递归神经网络)，每层均由前向lstm与后向lstm组合而成，两个方向的lstm均用于建模上下文信息；每层都有1024个隐藏单元，每个方向各512个，将embedding特征向量qi输入到第二层和第三层后，分别得到特征向量q
′
i和q
″i：
[0069]q′i＝relu(bilstm(si))
[0070]q″i＝relu(bilstm
′
(s
′i))
[0071]
其中，bilstm是第一deepmoji模型的第一个bilstm层，q
′i是引文文本embedding特征向量si输入第一个bilstm层后得到的特征向量，特征维度为1024维；bilstm
′
是第一deepmoji模型的第二个bilstm层，q
″i是q
′i输入第二个bilstm层后得到的特征向量，特征维度为1024维；relu是激活函数；
[0072]
s2.3、将s2.1中得到的embedding特征向量qi、s2.2中得到的特征向量q
′i和q
″i进行拼接，得到特征向量：
[0073]
pi＝concat(qi，q
′i，q
″i)
[0074]
其中，pi的特征维度为2304维；
[0075]
通过skip-connections(缓解网络层数变多的情况下导致的梯度爆炸和梯度消失)将pi输入deepmoji模型的第三层attention层，输出引文文本的高维特征向量表示：
[0076]
p
′i＝dropout(attention(pi))
[0077]
p
″i＝flatten(dropout(tahn(dense(p
′i))))；
[0078]
其中，pi是拼接得到的2304维特征向量，attention是deepmoji模型中的注意力层，dropout是为防止神经网络过拟合而设置的函数；p
″i是attention层输出的引文文本特征向量，dense是全连接层，tahn是激活函数，flatten是将特征向量平铺为一维的降维函数；
[0079]
s2.4、将p
″i输入第一deepmoji模型的第四层softmax层，输出引用情感、引用情感
和引用动机的分类标签：
[0080][0081][0082][0083]
其中，softmax是一种常用于多分类问题的激活函数，可将一个数值向量归一化为一个概率分布向量，且各个概率之和为1；是输出的引用情感标签，是输出的引用对象标签，是输出的引用动机标签；
[0084]
s2.5、初始化第一deepmoji模型的模型参数，以步骤1中得到的人工批注标签类别结合步骤2.4中得到的引文文本的引用情感、引用情感和引用动机的分类标签对第一deepmoji模型的模型参数进行训练，在训练过程中，建立损失函数，通过反向传播优化模型参数，直至损失函数收敛，得到优化后的第一deepmoji模型的模型参数，其中，损失函数为交叉熵损失函数l：
[0085][0086]
式中，为softmax层输出的引用情感标签，为输出的引用对象标签，为输出的引用动机标签；yi为训练集中人工标注的引用情感标签，y
′i为训练集中人工标注的引用对象标签，yi为训练集中人工标注的引用动机标签；i＝1，2，
…
，n，n表示样本总数；λ1和λ2均为模型参数，取值均为0.05。
[0087]
s2.6、利用已训练好的第一deepmoji模型对未标注的引文文本进行情感分类。
[0088]
步骤3、获取待分析论文的社交媒体提及文本，对部分社交媒体提及文本进行标注获得社交媒体提及文本的标签类别集，采用该标签类别集训练第二deepmoji模型，并采用训练完成的第二deepmoji模型对未标注的社交媒体提及文本进行情感分类；该步骤具体包括如下子步骤：
[0089]
s3.1、altmetrics是替代计量学的简称，代表了学术成果的社会传播指标，其网站altmetrics.com可抓取论文在社交网络平台上被分享和引用的记录。从altmetrics.com网站上通过待分析被提及论文的标题或doi号进行检索，可获取各社交媒体平台上提及该论文的文本，这里称为“社交媒体提及文本”；
[0090]
由于部分社交网络平台普及度不高、数据较少，这里根据已有研究选择较有代表性的三个平台的文本，分别是twitter文本、facebook文本和blog文本，剔除非英文文本和链接不完整的文本，得到待分析论文在三个平台上的社交媒体提及文本；
[0091]
s3.2、确定提及动机和提及情感的标签类别以及其对应的划分标准，并根据构建的标签类别及其划分标准对部分社交媒体提及文本的标签类别进行人工标注，且将社交媒体提及文本转化为特征向量，得到其标签集，见表4，表4为提及动机和提及情感的标签类别表；
[0092]
表4为提及动机和提及情感的标签类别表
[0093][0094]
s3.3、利用python语言sklearn模块中的countvectorizer和tfidfvectorizer函数将全部社交媒体提及文本转化为社交媒体提及文本特征向量，根据步骤s3.2得到的部分社交媒体提及文本的标签类别以及其对应的特征向量得到有标签集合其中，si表示第i条样本中的社交媒体提及文本特征向量；zi表示第i条样本中的提及情感标签，z
′i表示提及动机标签，标签均来自人工标注；i＝1,2,
…
,n
′
，n
′
表示样本总数；
[0095]
s3.4、初始化第二deepmoji模型的模型参数，将si逐层输入第二deepmoji模型中对其模型参数进行训练，并利用训练好的第二deepmoji模型对未标注的社交媒体提及文本的情感进行分类，如图4所示。
[0096]
s4、通过赋予步骤2得到的引文文本和步骤3得到的社交媒体提及文本中不同情感以不同权重的方式计算论文的影响力指数，影响力指数具体为：
[0097][0098]
其中，w1为正面引用或提及的权重，取值为1；w2为中性引用或提及的权重，取值为0.5；w3为负面引用或提及的权重，取值为0.25；ci为引文文本中的正面引用次数，c
′i为引文文本中的中性引用次数，c
″i为引文文本中的负面引用次数，ci+c
′i+c
″i＝n；mi为社交媒体提及文本中的正面提及，m
′i为社交媒体提及文本中的中性提及，m
″i为社交媒体提及文本中的负面提及，mi+m
′i+m
″i＝n
′
。
[0099]
以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

技术特征：
1.一种论文影响力的确定方法，其特征在于，包括如下步骤：步骤1、获取待分析论文的施引文献全文，并对其进行数据预处理获得施引文献中的引文文本，并对其中部分引文文本进行标注获得引文文本的标签类别集；步骤2、采用步骤1获得的引文文本的标签类别集作为训练集训练第一deepmoji模型，并采用训练后的第一deepmoji模型对未标注的引文文本进行情感分类；步骤3、获取待分析论文的社交媒体提及文本，对部分社交媒体提及文本进行标注获得社交媒体提及文本的标签类别集，采用该标签类别集训练第二deepmoji模型，并采用训练完成的第二deepmoji模型对未标注的社交媒体提及文本进行情感分类；步骤4、通过赋予步骤2得到的引文文本和步骤3的社交媒体提及文本中不同情感以不同权重的方式计算论文的影响力指数。2.根据权利要求1所述的论文影响力的确定方法，其特征在于，步骤1具体包括如下子步骤：s1.1、从数据库中获取待分析论文的被引文献全文及被引文献对应的施引文献全文，删除无法获取全文的被引文献和施引文献；s1.2、将施引文献全文pdf转化为txt格式的文本，保留引用标记；s1.3、利用正则表达式匹配引用标记的方法获取施引文献中的所有引文文本；s1.4、构建引用对象、引用动机和引用情感的标签类别以及对应的划分标准；s1.5、根据已确定的划分标准对引文文本的引用对象、引用动机和引用情感分别进行人工标注，并将引文文本转化为引文文本特征向量，得到引文文本的有标签集合。3.根据权利要求1所述的论文影响力的确定方法，其特征在于，引用对象的标签类别包括背景、术语、方法和结论。4.根据权利要求1所述的论文影响力的确定方法，其特征在于，引用动机包括的标签类别包括背景、基于、支持、批判、不同。5.根据权利要求1所述的论文影响力的确定方法，其特征在于，引用情感的标签类别包括正面、中性、负面。6.根据权利要求2所述的论文影响力的确定方法，其特征在于，步骤2具体包括以下子步骤：s2.1初始化第一deepmoji模型的模型参数，将步骤1中得到的引文文本特征向量输入到第一deepmoji模型的第一层embedding层得到引文文本的embedding特征向量q
i
；s2.2、将s2.1中得到的引文文本embedding特征向量q
i
输入第一deepmoji模型的第二层、第三层bilstm层中分别得到特征向量q
′
i
和q
″
i
；s2.3、将s2.1中得到的embedding特征向量q
i
、s2.2中得到的特征向量q
′
i
、q
″
i
进行拼接，得到特征向量p
i
并将特征向量p
i
输入到第一deepmoji模型第三层的attention中得到引文文本的高维特征向量p
″
i
；s2.4、将p
″
i
输入第一deepmoji模型的第四层softmax层，输出引文文本的引用情感、引用情感和引用动机的分类标签；s2.5、以步骤1中得到的标注标签类别结合步骤2.4中得到的引文文本的引用情感、引用情感和引用动机的分类标签对第一deepmoji模型的模型参数进行训练，在训练过程中，建立损失函数，通过反向传播优化模型参数，直至损失函数收敛，得到优化后的第一
deepmoji模型的模型参数；s2.6、利用已训练好的第一deepmoji模型对未标注的引文文本的引用情感进行分类。7.根据权利要求6所述的论文影响力的确定方法，其特征在于，步骤2.5中建立的损失函数为交叉熵损失函数l，其公式为：式中，为softmax层输出的引用情感标签，为输出的引用对象标签，为输出的引用动机标签；y
i
为训练集中人工标注的引用情感标签，y
′
i
为训练集中人工标注的引用对象标签，y
i
为训练集中人工标注的引用动机标签；i＝1,2,
…
,，n表示样本总数；λ1和λ2均为模型参数。8.根据权利要求1所述的论文影响力的确定方法，其特征在于，步骤3具体包括如下子步骤：s3.1、在社交媒体平台上通过待分析被提及论文的标题或doi号进行检索，获取社交媒体提及文本；s3.2、确定提及动机和提及情感的标签类别以及其对应的划分标准，并根据构建的标签类别及其划分标准对部分社交媒体提及文本的标签类别进行标注；s3.3、将社交媒体提及文本转化为社交媒体提及文本特征向量，根据步骤s3.2得到的部分社交媒体提及文本的标签类别以及其对应的特征向量得到有标签集合，将集合内的社交媒体提及文本的特征向量逐层输入第二deepmoji模型中对其模型参数进行训练，并利用训练好的第二deepmoji模型对未标注的社交媒体提及文本的提及情感进行分类。9.根据权利要求8所述的论文影响力的确定方法，其特征在于，提及动机的标签类别包括总结或引用文章的发现、批评或质疑文章的内容或发现、认可或推荐文章以及应用于现实生活，提及情感的标签类别包括中性、正面、负面。10.根据权利要求1所述的论文影响力的确定方法，其特征在于，步骤4中构建的论文的影响力指数为：其中，w1为正面引用或提及的权重，2为中性引用或提及的权重，3为负面引用或提及的权重；c
i
为引文文本中的正面引用次数，c
′
i
为引文文本中的中性引用次数，c
″
i
为引文文本中的负面引用次数，c
i
+c
′
i
+c
″
i
＝n；m
i
为社交媒体提及文本中的正面提及，m
′
i
为社交媒体提及文本中的中性提及，m
″
i
为社交媒体提及文本中的负面提及，m
i
+m
′
i
+m
″
i
＝n
′
。

技术总结
本发明公开了一种论文影响力的确定方法，包括：获取待分析论文的施引文献全文，并对其进行数据预处理获得施引文献中的引文文本，并对其中部分引文文本进行标注获得引文文本的标签类别集；采用步骤1获得的引文文本的标签类别集作为训练集训练第一DeepMoji模型，并采用训练后的第一DeepMoji模型对未标注的引文文本进行情感分类；获取待分析论文的社交媒体提及文本，重复上述步骤得到训练完成的第二DeepMoji模型并采用其对未标注的社交媒体提及文本进行情感分类；通过赋予引文文本和社交媒体提及文本中不同情感以不同权重的方式计算论文的影响力指数。本发明实现了更加细粒度的、能够区别不同引文内容和社交媒体提及内容的影响力计算方式。的影响力计算方式。的影响力计算方式。


技术研发人员：任檐雨 吕雅婧
受保护的技术使用者：武汉大学
技术研发日：2023.05.19
技术公布日：2023/8/16