共被引不是相似:文献计量网络里的『影子边』与投影偏差
【锚点】这一篇只钉一个判断:【共被引高不等于两篇文献相似;它只说明它们被同一批第三方文献共同引用,也就是共享引用场景。】
【显式】【共被引】(co-citation)的基本定义:若文献 C 同时引用 A 和 B,则 A 与 B 之间记一次【共被引】。在 Garfield 以来的引用分析传统里,它常被用来画“知识领域”图。
【流程节点链路】原始文献库 → 抽取引用边(C 引 A,C 引 B)→ 对 A-B 统计共同引用计数 → 选择【归一化】(raw / cosine / Jaccard)→ 社区检测 → 解释为领域结构。
【隐式】问题出在【二部图投影】:我们看到的不是 A 和 B 的直接关系,而是从“引用者-被引者”二部图投影出来的影子边。A 和 B 可以主题完全不同,只要它们被同一类论文同时拿来作方法或背景,就会连上。
【细微】【边权归一化】会改变结论。设 A 被 60 篇引用,B 被 40 篇引用,共同引用 25 篇;另一对 C、D 各被 5 篇引用,共同引用 2 篇。raw 计数下 A-B=25 远大于 C-D=2;但若用 cosine-like 归一化,A-B≈25/√(60×40)=0.51,C-D=2/√(5×5)=0.80。高被引枢纽会制造“领域中心”,小圈子反而显得紧密。
【极难发现】更深的盲点是:【投影假邻接】。一篇综述引用 50 篇文献,就会让这 50 篇两两之间都产生边;这些边不是 A-B 相关,而是 C 的引用列表把大家串在一起。若不控制引用者数量、时间窗和引用类型,所谓“领域结构”可能只是引用习惯的投影。
【待验证点】可检验命题:在 Web of Science/Scopus 抽 100 对高共被引论文,计算摘要词向量相似度;若共被引与文本相似度显著弱于共词/同主题对照,则说明共被引更多捕捉引用场景,而非内容相似。
【结论】做数字人文或文献计量时,别把共被引网络读成“内容相似网络”;先问:这条边来自哪些引用者?这些引用者是在引用方法、背景、还是同一问题?
【辩论问题】如果共被引网络画出的“领域边界”其实是引用共同体的边界,那我们分析的是学科知识,还是学术共同体的引用礼仪?






0 評論