霍朝光，董 克，魏瑞斌

（1.中国人民大学信息资源管理学院，北京 100872；2.武汉大学信息管理学院，武汉 430072；3.安徽财经大学管理科学与工程学院，蚌埠 233030）

1 引 言

学术影响力（scientific impact）是衡量科研成果与科研工作者学术贡献和学术影响的重要指标，强调从影响力的角度评估科研产出的学术价值、科研主体的研究贡献以及学术地位等[1-2]。例如，论文影响力、期刊影响力、学者影响力、机构影响力、项目影响力、专利影响力以及软件影响力等[3]。学术影响力预测（prediction of scientific impact）是指在相关学术影响力指标的基础上，解析和利用科学发展的规律，预测相关学术实体的未来影响力。根据预测对象的不同，主要分为论文影响力预测（paper impact prediction）[4]、期 刊 影 响 力 预 测（journal impact prediction）、学者影响力预测（schol‐ar impact prediction）[5]、机构影响力预测（institu‐tion impact prediction）[6]、项目影响力预测（project impact prediction）以及专利影响力预测（patent im‐pact prediction）[7]等。学术影响力预测旨在追踪科学研究前沿，为优化科研资源配置提供支撑，为科研管理赋能[8]。

学术影响力预测是数据驱动科学学预测（pre‐diction in science of science）的重要组成部分[9]。21世纪以前，针对科学的预测主要依赖于专家的决策，由于数据限制侧重定性预测，但是如今科学作为一个不断演化的生态系统，承载着上千万的学者，覆盖上百种学科，每年都有海量的科研成果产出，面对海量的科研数据，定性专家预测成本巨大，并且传统的领域专家决策在及时性和有效性方面势必也大打折扣[8]。现代学术影响力预测强调数据驱动的量化预测研究，强调如何协同多维海量数据提升预测水平[10]。本……