TI Mining a Web Citation Database for author co-citation analysis

2.He, YL，Hui, SC. Mining a Web Citation Database for author co-citation analysis.Inf. Process. Manage.2002

对web引文数据库进行作者同被引分析挖掘

作者同被引分析广泛应用于文献计量学，作为一种分析科学研究知识结构的方法。可以用于确认来自于同一或者相似研究领域的作者。但是，这种方法严重依赖于统计工具，并且需要人工解释。Web引文数据库是一种用于存储Web出版物的引用索引的数据仓库。本文提出了基于Web引用数据库的自动进行ACA的挖掘算法，挖掘过程里利用凝聚系统聚类算法对作者进行聚类和多维标度分析，展示作者聚类地图。聚类结果和作者分类地图已经与引文检索系统（PubSearch）集成，支持对web出版物进行作者检索。

本研究探讨当前有关作者同被引分析（ACA）方法上的争论。比较了两种不同的分析单位，即仅仅统计第一作者和统计所有作者，和两种不同的矩阵生成方法：传统的多变量方法和所谓的Drexel方法。主要是比较不同方法对地图结果的影响，目的是提供对了解掌握各种作者同被引聚类分析的方法。研究样本是从IEEE文献集合抽取出来的结构化XML文件，用这些数据构建一个临时的引文索引，以方便我们开展迄今为止最大的全部作者同被引分析。将不同分析单位与不同的矩阵生成方法组合在一起一共进行了四种ACA。通过多维标度、因子分析和Procrustes 和 Mantel统计等方法对结果进行了定量评价。结果表明：包括所有作者的在基于多维标度的二位制图中数据更为恰当，包括所有作者的同被引计数在地图中聚集效果好。进而言之，两种矩阵生成方法产生的图有一些相似，但是在更为底层分支层面上也有不同。Drexel方法所产生的结果明显有较低的应力值，更易于集中成组。最后，本研究还表明了稀疏矩阵的重要性及其与因子分析相关的潜在问题。我们可以肯定全作者的同被引分析可以产生更为集中的作者分组，同时本研究还不能清晰地肯定以往关于第一作者同被引聚类分析可以确认专业的发现，尽管有一些模糊的指征。最为关键的是，强有力的证据表明：矩阵生成方法对于作者同被引数据制图和对地图的解释都有着决定性的作用，即给Drexel方法表面上的优势提供了证据。

4.Lin, X  White, HD Buzydlowski, J. Real-time author co-citation mapping for online searching.  INFORMATION PROCESSING & MANAGEMENT. 2003.

用于联机检索的实时作者同被引制图

作者检索传统上是基于对名字字符串的匹配，一直没有关于把作者当做人名和主题标识的特殊特性进行的研究，造成了在检索系统中难以确认出一组相关的作者或者按照主题对作者进行分组。本文介绍了一个改善作者检索的可视化系统模型的设计和实施。该系统名为AuthorLink，采用了作者同被引分析和可视化制图算法（如Kohonen特征图和Pathfinder网络）。AuthorLink从ISI提供的126万记录的数据库中生成了实时交互作者地图。该图显示了主题分类和作者间更加详细的知识链接。通过交互界面，用户可以利用此类信息细化修改检索策略并通过点击作者名字来检索文献。