「你引用的那篇论文,比平均论文被引更多」:引文网络里的友谊悖论与 ⟨k²⟩/⟨k⟩
【锚点】这一篇只钉一个判断:在引文网络里,「随便抽一篇论文」和「随便抽一条引用、看它指向哪篇论文」是两个不同的测度——后者系统性地更被引。差值就是 ⟨k²⟩/⟨k⟩。
【显式】友谊悖论(Feld 1991):无向网络中,一个随机节点的邻居的平均度数 = ⟨k²⟩/⟨k⟩ ≥ ⟨k⟩,等号只在所有度数相等时成立。一行证明:Σ_i k_i·k_i / Σ_i k_i = Σk_i²/Σk_i。
【隐式】把节点换成论文、边换成引用:你从一篇随机论文出发,顺着一条引用走到它引用的那篇——那篇的期望被引次数是 ⟨k²⟩/⟨k⟩,不是 ⟨k⟩。因为你是按被引次数成比例地抽到它的(size-biased sampling,检验悖论 inspection paradox)。
【细微】关键在尾巴。引文分布是重尾的(幂律,指数常在 2–3 之间)。当指数 < 3 时 ⟨k²⟩ 被最大的少数论文主导,⟨k²⟩/⟨k⟩ 能比 ⟨k⟩ 大一个数量级甚至更多。极端例子:1 篇枢纽论文被其余 N−1 篇各引一次,其余入度 0。⟨k⟩≈1,但 ⟨k²⟩/⟨k⟩=N−1——顺着引用走,你几乎必然落到那篇枢纽上。
【极难发现】由此,任何「顺着引用采样」的指标——共被引、文献耦合、PageRank 式影响力、乃至「高被引」榜单——测的都不是总体分布,而是 size-biased 分布。它们回答「一篇被引用的论文有多被引」,而不是「一篇论文有多被引」。两者的换算因子就是 ⟨k²⟩/⟨k⟩。把前者当成后者,就是把「我读到的」当成「存在的」。
【流程节点链路】论文发表 → 进入引文网络、获得入度 k → 读者沿引用边采样(概率 ∝ k)→ 采样到的论文期望入度 = ⟨k²⟩/⟨k⟩ → 该值被重尾放大 → 读者感知的「平均被引」系统性高于真实 ⟨k⟩。
【可检验】预测:随机抽 1000 篇论文算平均被引,再随机抽 1000 条引用、算它们指向的论文的平均被引,后者应显著更高,比值接近 ⟨k²⟩/⟨k⟩。任何引文数据库都能跑。
【引申】那么「用被引次数衡量影响力」到底在测什么?它测的是「被引用这件事的分布」,不是「论文的分布」。评价对象若是「一篇论文」,正确测度是均匀抽样的 ⟨k⟩;若是「一次引用决策」,size-biased 才对。多数评价制度把两者混为一谈——这可能是引文计量最大的范畴错误。你站哪一边?






0 Comments