作者网络中心性驱动AI会议引用差异

本文研究了作者在合作网络中的位置如何影响顶级AI会议的引用次数。它通过分析作者中心性指标及其对引用差异的影响，超越了基于内容的评估。该研究的方法学进步，包括使用beta回归和一种新的中心性指标（HCTCD），意义重大。研究结果强调了长期中心性和团队级网络连接性在预测引用成功中的重要性，挑战了传统的评估方法，并提倡基于网络的评估框架。

• •作者网络中心性对顶级AI会议的引用计数有显著影响。
• •长期中心性指标比短期指标更能预测引用成功。
• •团队级网络连接对于解释引用方差至关重要。
• •该研究提出了一种新的中心性指标（HCTCD）并使用beta回归进行引用分析。
• •整合中心性特征提高了引用预测的准确性，表明需要基于网络的评估框架。