常用网络引文检索工具比较分析

第３Ｏ卷　２０１１年６月　情报杂志　ＪＯＵ　ＲＮＡＬ　ＯＦ　ＩＮＴＥＬＬＩＧＥＮＣＥ　Ｖ０１．３０　Ｊｕｎｅ　２０１０　常用网络引文检索工具比较分析　郝熠光　（南京大学信息管理系南京２１００９３）　摘要网络引文是近年来图书情报专业的一个研究方向，网络引文基于传统引文的概念被提出，而与传统引文有　很大的不同。选取ｗｅｂ　ｏｆ　Ｓｃｉｅｎｃｅ，ＣｉｔｅＳｅｅｒｘ，Ｇｏｏｇｌｅ　ＳｄＭａｒ及Ｇｏｏｇｌｅ　４种网络引文检索工具，对其功能、原理、特　征、适用引文类型进行比较分析，并对未来网络引文的发展提出一种简单的假设模型。　关键词　网络引文　网络引文工具Ｗｅｂ　ｏｆ　Ｓｃｉｅｎｃｅ　Ｃｉ￣Ｓｅｅｒ　ＣｉｔｅＳｅｅｒｘ　Ｇｏｏｓｌｅ　Ｇｏｏｓｌｅ　Ｓｃｈｏｌａｒ　中图分类号Ｇ３５０　文献标识码Ａ　文章编号１００２－１９６５（２０１１）００３０—０４　０引　言　１９５５年，Ｅ．Ｇａｒｆｉｅｌｄ于１９５３年受法律工具书《谢　拔德引文》（１８７０）的启发，开创了科学引文索引（ＳＣＩ，　Ｓｃｉｅｎｃｅ　Ｃｉｔａｔｉｏｎ　Ｉｎｄｅｘ）　。随着信息技术的发展，网络　逐渐成为一种公认的学术信息传播媒介，而引文关系　作为一种学术交流模式，也不再局限于传统的纸质文　献，于是便出现了“网络引文”的概念。　近年来国内外都有众多学者关注网络引文的发　展，从事网络引文的研究，但对“网络引文”这一概念　还没有一个统一的定义。很多国内学者在研究中将网　络引文定义为传统纸质文献的参考文献中出现ＵＲＬ　地址的网络资料；有观点认为“网络引文是网络上文　本或纸质文献出版物在网上被引用”　；还有观点将　网络引文分为４种类型（Ｐ—Ｐ、Ｐ－Ｗ、Ｗ－Ｐ、Ｗ—Ｗ，其中　ｗ代表Ｗｅｂ，Ｐ代表Ｐｒｉｎｔ），认为“目前大多数传统文　献引文分析都是基于网络数据库，引用行为也发生在　网络环境下，所以都可认为是Ｐ—Ｐ网络引文”　。　由于网络资源的丰富性与不确定性，当网络引文　的概念具体到其外延，也一直相对模糊，网络引文在英　文文献中具有几种不同的表述　：Ｗｅｂ　ｃｉｔａｔｉｏｎｓ，ＵＲＬ　ｃｉｔａｔｉｏｎｓ，Ｗｅｂ—ｂａｓｅｄ　ｃｉｔａｔｉｏｎｓ．在本文中，笔者参照将　网络引文分为Ｐｒｉｎｔ　ｔｏ　Ｐｒｉｎｔ，Ｐｒｉｎｔ　ｔｏ　Ｗｅｂ，Ｗｅｂ　ｔｏ　Ｐｒｉｎｔ，Ｗｅｂ　ｔｏ　Ｗｅｂ　４种类型的观点对网络引文搜索工　具进行比较分析，其中Ｐｒｉｎｔ　ｔｏ　Ｗｅｂ引文为学术文献的　参考文献中来自于网络ＵＲＬ地址的引文，在文中不做　阐述。　１　常用网络引文搜索工具　ＩＳＩ　Ｗｅｂ　ｏｆ　Ｓｃｉｅｎｃｅ（ＷｏＳ）（ｈｔｔｐ：／／ｗｗｗ．ｉｓｉｋｎｏＭ—　ｅｄｇｅ．ｃｏｍ／）　Ｗｅｂ　ｏｆ　Ｓｃｉｅｎｃｅ是美国Ｔｈｏｍｓｏｎ　Ｓｃｉｅｎｔｉｆｉｃ集团开　发的大型核心期刊引文索引数据库，包括ＳＣＩ，ＳＳＣＩ，　Ａ＆ＨＣＩ和２个化学信息事实数据库ＣＣＲ和ＩＣ，２００８　年还增加了科学会议文献引文索引（Ｃｏｎｆｅｒｅｎｃｅ　Ｐｒｏ．　ｃｅｅｄｉｎｇｓ　Ｃｉｔｍｉｏｎ　Ｉｎｄｅｘ—Ｓｃｉｅｎｃｅ（ＣＰＣＩ—Ｓ）），以ＩＳＩ　Ｗｅｂ　ｏｆ　Ｋｎｏｗｌｅｄｇｅ为检索平台。ＷｏＳ对国内ＩＰ登陆的　用户提供中、英、日３种检索语言，而检索式及检索结　果以英文为主。　在ＷｏＳ中进行引文检索，可以以被引著者或被引　著作为检索人口进行检索，并对检索结果进行数据统　计或分析，以及提供文献引用关系可视化的服务。需　要注意的是，使用ＷｏＳ对著者或著作进行检索时，需　要使用其简称或缩写，否则无法获得结果，具体方法可　参照ＷｏＳ帮助文件，这里不作过多阐述。　ＣｉｔｅＳｅｅｒ　（ｈｔｔｐ：／／ｃｉｔｅｓｅｅｒｘ．ｉｓｔ．ｐｓｕ．ｅｄｕ／）　ＣｉｔｅＳｅｅｒ于１９９７年由美国新泽西州普林斯顿ＮＥＣ　研究所的Ｓｔｅｖｅ　Ｌａｗｒｅｎｃｅ，Ｌｅｅ　Ｇｉｌｅｓ及Ｋｕｒｔ　Ｂｏｌｌａｃｋｅｒ　开发。２００３年，该服务（ＣｉｔｅＳｅｅｒ）移交至宾夕法尼亚　州立大学信息科学与技术学院　。之后更名为Ｃｉｔｅ—　Ｓｅｅｒ　，称为“第二代ＣｉｔｅＳｅｅｒ”。　ＣｉｔｅＳｅｅｒ的工作机理：ＣｉｔｅＳｅｅｒ率先使用其（ＮＥＣ　Ｒｅｓｅａｒｃｈ　Ｉｎｓｔｉｔｕｔｅ）研发的自动引文标引系统（ＡＣＩ，Ａｕ．　ｔｏｎｏｍｏｕｓ　Ｃｉｔａｔｉｏｎ　Ｉｎｄｅｘｉｎｇ），代替传统复杂繁琐的手工　引文标引工作，建立了一个用于文献检索和评估的引　文索引工具。ＡＣＩ首先爬行网络，搜集信息，下载Ｐｏｓｔ．　Ｓｃｒｉｐｔ或ＰＤＦ格式文档；然后转换文献格式，检测参考　文献；其数据库包括文献全文和引文索引；最后自动统　计文献有关引用数据，自动生成包括文献或作者引文　收槁日期：２０１０—１１—１３　作者简介：郝熠光（１９８６一），男，硕＿｝＝研究生，研究方向：网络信息资源管理。

　２０１１年６月　郝熠光：常用网络引文检索工具比较分析　．３１．　率和出版物影响率等排行榜。　ＣｉｔｅＳｅｅｒ（Ｘ）的特点：由于ＣｉｔｅＳｅｅｒ采取的是机器　自动引文标引，因此它具有费用低、效率高、即时性好　等方面的优势。黄日昆在其文章　中提到（２００４），　“目前ＣｉｔｅＳｅｅｒ……无法消除不同作者相同名字的歧　义”　，事实上新版的ＣｉｔｅＳｅｅｒＸ已经改善了这一问题。　在ＣｉｔｅＳｅｅｒ　著者（Ａｕｔｈｏｒ）检索入１２Ｉ下方有“Ｄｉｓａｍｂｉｇｕ．　ａｔｅｄ　Ｓｅａｒｃｈ”（消除歧义搜索）选项，只要将其选中，　ＣｉｔｅＳｅｅｒＸ将根据作者的不同将检索文献结果分类。　而ＣｉｔｅＳｅｅｒ　具有一个相对劣势，是其文献收录范围　较窄，它只对网络中有关计算机与信息科学的文献进　行收集，因此其收录主要也是该范围的文献。　Ｇｏｏｓｌｅ　Ｓｃｈｏｌａｒ（ｈｔｔｐ：／／ｓｃｈｏｌａｒ．ｇｏｏｇｌｅ．ｃｏｍ／）　Ｇｏｏｇｌｅ　Ｓｃｈｏｌａｒ是Ｇｏｏｇｌｅ公司于２００４年１１月，专　门为科学家和研究人员推出的新的搜索服务，用来搜　索网上的学术信息资源，它的口号是“Ｓｔａｎｄ　ｏｉｌ　ｔｈｅ　Ｓｈｏｕｌｄｅｒｓ　ｏｆ　Ｇｉａｎｔｓ”（站在巨人的肩膀上），其内容包含　期刊论文、学位论文、图书等学术文献。其语言为多种　语言，其中包括英文和中文。　Ｇｏｏｇｌｅ　Ｓｃｈｏｌａｒ的检索界面保持Ｇｏｏｓｌｅ搜索引擎　的简明风格，同时提供高级搜索（Ａｄｖａｎｃｅｄ　Ｓｅａｒｃｈ）。　使用ＧＳ进行搜索后，ＧＳ会以列表的方式导出搜索结　果，显示出文章标题、著者、发表期刊／出版社、时间、来　源数据库、摘要、被引次数等数据，同时ＧＳ会自动将　相似的结果合并，以便统计的引用与被引数值更准确。　ＧＳ在网络中各大学术文献数据库自动搜索并获　得学术文献，与ＣｉｔｅＳｅｅｒ不同的是，Ｇｓ并没有下载该　文献全文，只是将其元数据保存下来，合并相同结果，　并对其引文进行标引，形成自己的引文数据库。当用　户需要获得文献全文时，Ｇｏｏｇｌｅ给出源地址链接、可下　载数据库链接（如该文献在ｐｓｕ．ｅｄｕ，ｕｇｒ．ｅｓ，ａｒｉｚｏｎａ．　ｅｄｕ等数据库的链接位置），以及该文献在用户所在图　书馆的索书地址。　Ｇｏｏｇｌｅ（ｈｔｔｐ：／／ｗｗｗ．ｇｏｏｇｌｅ．ｃｏｍ／）　Ｇｏｏｇｌｅ是全球最大的商业搜索引擎，Ｖａｕｇｈａｎ，　Ｓｈａｗ（２００３）　在将Ｇｏｏｇｌｅ即Ｇｏｏｇｌｅ网页搜索引擎　（Ｇｏｏｇｌｅ—Ｗｅｂ）作为Ｗｅｂ　ｔｏ　Ｐｒｉｎｔ引文搜索工具，来比　较传统引文和网络引文数据的相关性。具体方法为：　在高级搜索中使用短语精确匹配（Ｅｘａｃｔ　Ｗｏｒｄｉｎｇ　ｏｒ　Ｐｈｒａｓｅ）的方式对文章的标题进行检索；如果文章的标　题不具有足够的区分度，便加入文章副标题；若这两者　依然不足以区分于其他文章，就加入文章作者的姓氏；　假如Ｇｏｏｇｌｅ搜索结果中显示“某些结果被隐藏”，那么　选择“包含隐藏结果”重复搜索。将最终获得的结果　数记为该文章在网页中被引用的次数，即Ｗｅｂ　ｔｏ　Ｐｒｉｎｔ　网络引文。Ｖａｎ￣ｋａｎ选择了１９９７年出版的来自４６种　ＪＩＦ数值较高的期刊的１　２０９篇论文，及出版于１９９２年　来自１５种ＪＩＦ数值较高的期刊的５５４篇论文，进行（Ｗ　—Ｐ）网络引文和传统引文数据的相关性分析。结果发　现１９９７年的４６种期刊中的２６种（５６．５％）具有较高　的相关性，而１９９２年的１５种期刊的１１种（７３．３％）具　有较高的相关性。　不难发现，使用Ｖａｕｇｈａｎ的方法利用Ｇｏｏｇｌｅ收集　Ｗ－Ｐ网络引文数据，所搜索的结果其实并不尽是严格　意义的网络“引文”，例如，结果中会含有该文章本身。　但这些数据产生的误差并不影响对某篇文献的认同度　的判断，或者说，这些行为（如将该文章转载至网络）　也是对该文章的一种认同，因此，研究者在进行研究时　没有将这些数据进行排除。　２　网络引文常用搜索工具分析与比较　ＷｏＳ尽管相对其他引文数据库涵盖的数据量不　大，但学科范围非常，　泛，并且在不断地拓展其学科范　围，使之更全面。更重要的是，ＷｏＳ数据库中全部是高　影响率的期刊与最权威的学术文献。ＷｏＳ作为一个网　络引文搜索工具，所获得的是Ｐ—Ｐ网络引文相关数　据，即基于网络数据库的传统引文数据。　表１　４种网络引文检索工具的比较　语言　鍪翼坚　数据量网络引文类型　录范围　‘　。　ＷｏＳ　多种语言核心期刊，高影响翠文献　少而精　Ｐ—Ｐ　ＣｉｔｅＳｅ　英文　计算机与信息科学学科堂　Ｐ—Ｐ，ｗ—Ｐ　ＧＳ　多种语言　多学科’』　泛收录　大　Ｐ＿　’　竺：型：　兰　堕宣　至墨兰型望　查　：　ＣｉｔｅＳｅｅｒ　’是最早研发并使用ＡＣＩ（自动引文标引　系统）的网络引文数据库，由于它会自动在网络中抓　取ＰＤＦ和ＰｏｓｔＳｃｒｉｐｔ　２种格式的的学术文献并提供免　费下载，因此具有较全面的数据，但其涵盖的学术范围　较窄，仅限于计算机与信息科学领域，所以数据总量较　小。而在其所包含的范围的文献，依然具有较大的引　文数据量。使用ＣｉｔｅＳｅｅｒ作为网络引文工具，所获得　的为Ｐ—Ｐ网络引文及ｗ—Ｐ网络引文数据。　Ｇｏｏｇｌｅ　Ｓｃｈｏｌａｒ会自动搜索获取网络中的学术文　献，并进行标引。Ｇｓ所获得的数据学科范围广，数据　量大。由于利用ＧＳ搜索学术文献时，Ｇｏｏｇｌｅ会自动连　接全球各大学术文献数据库，从理论上说，Ｇｏｏｇｌｅ　Ｓｃｈｏｌｍ’的搜索结果可以包含ＣｉｔｅＳｅｅｒ的所有结果，而　利用Ｇｓ来搜索也将获得最多的结果及最广泛的引文　数据，所获得的网络引文数据库类型为Ｐ—Ｐ，Ｗ—Ｐ，Ｗ—　Ｗ。　Ｇｏｏｇｌｅ作为全球最大的商业搜索引擎，涵盖最广　

泛的网　范围，是学者进行网络引文研究对Ｗ－Ｐ数据　・３２・　情报杂志　第３０卷　收集的首选工具。与ＣｉｔｅＳｅｅｒ不同，ＣｉｔｅＳｅｅｒ获得的Ｗ　—Ｐ网络引文数据其实是它在自动搜索过程中获取的　ＰｏｓｔＳｃｒｉｐｔ格式的学术文献对其获得的ＰＤＦ格式的学　术文献的引用情况。相对来说，二者对ｗ—Ｐ网络引文　的概念外延理解不同，ＣｉｔｅＳｅｅｒ获得的都是规范的学术　引用行为的数据，而Ｇｏｏｇｌｅ所获得的数据更全面，更　具有统计规律。　通过以上比较可以发现，在进行网络引文研究时，　ＷｏＳ最适合用来作高影响率和权威学术文献之间的　引文研究，并且能自动进行结果分析，生成引文报告，　并生成引文关系可视化文件；ＣｉｔｅＳｅｅｒ适合进行计算机　与信息科学学科范围内的引文研究，并可以根据需要　下载全文；Ｇｏｏｇｌｅ　Ｓｃｈｏｌａｒ适用于任何学科及跨学科学　术文献及引文的检索，获取数据全面，适合进行统计分　析工作；Ｇｏｏｇｌｅ获得较全面的Ｗ—Ｐ网络引文数据，通　常用于与传统引文数据的比较分析（见表１）。　３　基于Ｇｏｏｇｌ￣Ｓｃｈｏｌａｒ的工作原理对Ｗ—Ｗ网络引　文理论模型的一种设想　顾名思义，ｗ—ｗ即是被引文献和引证文献都是　来自于网络的引文关系。而事实上，“目前大多数传　统文献引文分析都是基于网络数据库，引用行为也发　生在网络环境下　’。只是倘若在同一引文数据库中　查找数据来进行引文分析，这样的研究行为用“以网　络引文数据库为工具来进行（传统）引文分析研究”的　描述更贴切，而不是“ｗ—ｗ网络引文”。既然是ｗ—ｗ　网络引文，即应当把眼光放到整个ｗｗｗ中，而不仅　仅是一两个引文数据库。　于是笔者提出一种设想，假如可以将散布在　ｗｗｗ各个角落的学术文献整合起来，通过其元数据　进行相同结果归类，再考查它们相互之间的引文关系，　这样所得到的将是所有在网络中可获得的学术文献的　引文数据。需要注意的是，未来的ｗ—ｗ网络引文未　必是通过对文章元数据（如篇名、著者等）的描述来标　注引文出处，也有可能是通过被引用文献的某个ＵＲＬ　地址，如图１所示。　图１中可看出，同一篇文献可能由于由不同机构　或个人多次上传等原因而获得多个ＵＲＬ地址，而这些　ＵＲＬ地址所储存的文件通过对其元数据的识别进行　合并归类，被标记为同一篇学术文献（如图１中　Ａｒｔｉｃｌｅ１）；通过文献中参考文献或所包含ＵＲＬ地址的　扫描并进行标引，可获得这些资源之间的相互引用关　系，如Ａｒｔｉｃｌｅ３引用Ａｒｔｉｃｌｅ１的方式为在参考文献中描　述Ａｒｔｉｃｌｅ１的元数据，而Ａｒｔｉｃｌｅ２对Ａｒｉｔｉｃｌｅｌ的引用方　式为，指向Ａｒｔｉｃｌｅ２的某个ＵＲＬ地址（ＵＲＬ４）中包含了　指向Ａｒｔｉｃｌｅｌ的某个ＵＲＬ地址（ＵＲＬ４），或包含指向　Ａ１一ＵＲＩＡ的链接。扫描完成后将相同的项目合并，将　具有相同元数据的不同ＵＲＬ地址中的文献合并看成　一篇文献，将其作为一个节点，可简化为图２。　图２中每条有向线段上的数值代表两篇文献间网　络引文的频次，它在一定程度反映了是起点（即引证　文献）被认同的程度或是影响力，而不是终点（即被引　图ｌ　Ｗ～Ｗ网络引文的简单设想ｌ