最近读了Barabasi小组2013年在Science上发表的论文《Quantifying long-term scientific impact》。这是一个并不复杂但是很优雅简洁的工作。Barabasi小组的出发点是研究一种能够预测一篇论文乃至一个期刊长期影响力的方法。
文章指出了当前所使用的基于影响因子和H-指数的方法所存在的四个缺陷：（1）期刊的影响因子无法衡量论文的长期影响力；（2）当前累积引用次数无法衡量论文的长期影响力；（3）特别重要的与主流区别明显的创新型发现早期往往得不到认可；（4）公平比较在不同期刊、时间段、学科方向发表的论文非常困难。为了解决以上问题，Barabasi小组提出了一个机制模型。
模型的三个要素都是老生常谈：（1）优先连接；（2）老化；（3）适应度。解出相应的率方程没有太大的困难，可以看出一个比较复杂的练习题，但是后面精彩纷呈。首先，Barabasi小组基于解析结果的分析，指出一篇论文的终极影响力只和适应度有关。其次，Barabasi小组把基于文章的分析推广到期刊上，给出了度量一个期刊长期影响力的量化方法。
最后，文章对比了机制模型和Gompertz模型、Bass模型、Logistic模型的预测结果，发现本文远胜其他。总结一下，本文模型虽然简单，解析也没有特别障碍，但是其论证的严谨性、图和文字的优美性，娓娓道来的文章结构和翔实的真实数据支撑，都让人阅读后有一种快感。