特征因子

特征因子

特征因子(Eigenfactor)-----转自清华大学图书馆

Eigenfactor中的词头“eigen-”来源于德语,为characteristic (本征、特征、固有)的意思,因此建议将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。

 

转自清华大学图书馆