3가지 (즉, Ridge, Lasso 및 Boruta) 특징 선택 데이터 마이닝 방법을 통한 가장 인용이 많이 된 학술 논문의 외부 주요 특성 식별

초록: 인용이 많이 된 논문은 문서의 본질적인 품질과 직접적으로 관련이 없는 외부 요인의 영향을 받는다. 본 연구에서는 2009년부터 2019년까지 Web of Science(WOS)에 색인된 American Medical Informatics Association 저널의 68개 인용이 많이 된 논문의 성과를 측정하기 위한 50가지 특성을 조사하였다. 첫 번째 단계에서 타겟(“종속”) 변수(WOS의 인용 수)와 상관관계가 없는 0 또는 약한 상관관계를 가진 변수를 제거하기 위해 Pearson 상관관계 분석을 수행하였다. 따라서 32개의 변수가 다음 단계에 선택되었다. Ridge 기법을 적용하여 13개의 특성이 인용 수에 긍정적인 영향을 미치는 것으로 나타났다. Ridge, Lasso 및 Boruta라는 세 가지 다른 알고리즘을 사용하여 6개의 요인이 가장 관련성이 높은 것으로 나타났다. "국제 연구자에 의한 인용 수", "인용 문서에서의 저널 자기 인용", "인용 문서에서의 저자 자기 인용"은 여기서 사용된 세 가지 방법 모두에서 가장 중요한 특성으로 인식되었다. "제1 저자의 과학적 연령", "오픈 액세스 논문" 및 "WOS에서 제1 저자의 인용 수"는 Ridge 및 Lasso의 두 가지 방법에서만 인용이 많이 된 논문의 중요한 특성으로 식별되었다. 우리는 특정 머신러닝 알고리즘(Ridge, Lasso 및 Boruta)을 형태 선택 방법으로 사용하여 인용이 많이 된 논문의 가장 중요한 특성을 식별하며, 이는 이전에 이러한 목적에 사용되지 않은 도구들이다. 결론적으로, 우리는 이러한 알고리즘으로 인해 발생하는 성과를 다시 강조한다. 또한 우리는 저자들이 식별된 성과 특성을 조작하여 그들의 논문 인용 수를 증가시키려 하지 않을 것을 권장한다. 실제로 이러한 특성과 관련된 윤리적 규칙은 엄격히 준수되어야 한다.