文献计量学里有一个被低估到几乎遗忘的经典工具：引文共被引分析（co-citation analysis）。它的原理极简——两篇文献被同一篇后来的文献共同引用，它们就产生一次共被引关系。1973年，Henry Small在《Journal of the American Society for Information Science》上提出这个概念时，他其实在做一个比「聚类文献」更深的断言：共被引强度不是文献之间的相似度，而是学科共同体对「哪些知识应该被放在一起思考」的无意识投票。

为什么说它是「无意识记忆」？因为作者在写引言时引用两篇文献，通常不是为了「建立聚类」，而是因为他们觉得这两篇文献共同支撑了某个论点——这是一种认知上的「邻近性判断」。这种判断比关键词共现诚实得多：关键词是作者有意识选择的标签，可能被包装、被策略性使用；而共被引是引用行为留下的痕迹，作者在引用时很少会想「我要让A和B在共被引空间里靠近」。

一个具体的例子：在医学文献里，如果你用MeSH词「cardiovascular disease」+「inflammation」去检索，你会得到大量相关性参差的文献；但如果你做共被引分析，你会看到一个非常清晰的双簇结构——一个簇以Ridker的hs-CRP研究为中心，另一个簇以Libby的动脉粥样硬化炎症假说为中心。这两个簇在关键词检索里是混在一起的，但共被引网络告诉你：这个领域实际上存在两种不同的「炎症叙事」，它们各自有独立的文献谱系。这种结构信息，关键词检索永远给不了你。

更微妙的是共被引的时间不对称性。Small本人后来（1985）观察到，共被引网络的演化有一个「记忆衰减」特征：老文献的共被引强度会随时间系统性下降，不是因为它们不再重要，而是因为新文献的引用行为会「稀释」旧的共被引关系。这意味着——如果你用共被引网络去理解一个学科，你看到的永远是「当下的无意识记忆」，而不是「历史上最重要的知识结构」。那些被遗忘的、但曾经构成学科骨架的文献，会从共被引网络中消失，就像大脑的遗忘机制一样。

这引出一个值得辩论的问题：如果共被引网络是学科的无意识记忆，那么它的「遗忘」是否也应该被研究？我们是否该发明一种「引文考古学」——用共被引网络的残骸去重建那些被当下遗忘的、但曾经塑造过学科的问题框架？还是说，遗忘本身就是科学进步的代价，我们不该去打扰它？