特征因子(Eigenfactor)的概念及工作原理

Eigenfactor中的词头“eigen-”来源于德语，为characteristic (本征、特征、固有)的意思，因此本文建议将Eigenfactor译为特征因子。

Eigenfactor由华盛顿大学和加州大学圣塔芭芭拉分校的West, Bergstrom等人组成的研究团体构建和完善，其工作原理类似于Google 的“网页排名”(PageRank)：两者都基于社会网络理论, 区别在于Google 利用网页链接，而Eigenfactor 则借助引文链接。他们都基于整个社会网络结构对每篇论文(或每个网页)的重要性进行评价。

Eigenfactor的具体工作原理：首先随机选择一份期刊，并随机选择该期刊中的一篇参考文献链接到另外一份期刊，然后在这份期刊中又随机选取一篇参考文献再链接到下一份期刊，依次类推。例如，2007年通过对所有期刊的遍历检索，可得到Nature的特征因子分值(Eigenfactor Score)为1.83870。

与期刊影响因子不同的是，Eigenfactor不仅考察了引文的数量，而且考虑了施引期刊的影响力，即：某期刊如果越多地被高影响力的期刊引用，则该期刊的影响力也越高。正如Google 考虑超链接的来源，Eigenfactor也充分考虑引文的来源，并在计算中赋予不同施引期刊的引文以不同的权重。

有关Eigenfactor的工作原理及演示过程请详见http://www.eigenfactor.org。该网站以国际权威数据库Thomson公司的Web of Science为数据源，构建剔除期刊自引的5年期引文矩阵，以类似于PageRank的算法迭代计算出期刊的权重影响值，从而实现了Price早在1965年提出的引文数量与价值的综合评价。Eigenfactor 网站创建于2007 年1 月, 可以免费查询JCR收录的近8000种期刊及这些期刊所引用的其他近11万种各类出版物的特征因子值，吸引了众多编辑、科研人员、政策制定者和评价人员的广泛关注和评论。

特征因子分值(Eigenfactor Score)与论文影响分值(Article Influence Score)

增强版JCR中增加的特征因子包括特征因子分值(Eigenfactor Score)和论文影响分值(Article Influence Score)两部分。

特征因子分值(Eigenfactor Score)的计算基于过去5年中期刊发表的论文在JCR统计当年的被引用情况。与影响因子比较，期刊特征因子分值的优点主要有：(1) 特征因子考虑了期刊论文发表后5年的引用时段，而影响因子只统计了2年的引文时段，后者不能客观地反映期刊论文的引用高峰年份; (2) 特征因子对期刊引证的统计包括自然科学和社会科学，更为全面、完整；(3) 特征因子的计算扣除了期刊的自引; (4) 特征因子的计算基于随机的引文链接，通过特征因子分值可以较为合理地测度科研人员用于阅读不同期刊的时间。

论文影响分值(Article Influence Score)旨在基于每篇论文来测度期刊的相对重要性。其计算方式为：特征因子分值除以期刊所发表的论文标准化比值(所有期刊的论文总数为1)。论文影响分值的平均值为1.00，大于1.00表明期刊中每篇论文的影响力高于平均水平，小于1.00则表明期刊中每篇论文的影响力低于平均水平。 

讨 论

中、外期刊的特征因子比较研究表明，我国一流期刊的实际影响力远低于国际一流期刊的影响力(中、外期刊的特征因子比值远大于影响因子的比值)，这与我国SCI期刊的自引率相对稍高、被引用次数相对较少，施引期刊的层次相对较低等应该是密切相关的。

特征因子作为一种理念更为先进、计算更为繁杂的分析期刊和论文重要性的计量指标，其客观程度、准确程度、与期刊总被引频次和影响因子的关系、与期刊h指数的关系等仍有待深入研究和探讨。此外，特征因子的不足之处也是比较明显的：其一是对于影响力较低的期刊群来说，它们的特征因子分值很低，离散程度很小，在我国的SCI期刊中，影响力较低的13种期刊在特征因子分值的小数点后第4位数才开始出现差别，并且还有多种期刊出现重值现象；其二是特征因子的计算目前仍难以检验。

 相关论文：任胜利. 特征因子(Eigenfactor): 基于引证网络分析期刊和论文的重要性. 中国科技期刊研究, 2009, 20(3): 415-418

全文阅读

相关专题：投稿与审稿
转载本文请联系原作者获取授权，同时请注明本文来自任胜利科学网博客。
链接地址：https://blog.sciencenet.cn/blog-38899-240133.html

上一篇：盘点：2008年度中国大陆SCI期刊的主要引证指标
下一篇：2006–2008年中国SCI期刊主要计量指标