🤖 machine learning

CiteRadar: A Citation Intelligence Platform for Researcher Profiling and Geographic Visualization

CiteRadar 是一款开源命令行工具，它通过一个稳健的管道整合五个异构数据源，该管道具备针对 Google Scholar 解析、作者消歧以及 OpenAlex 地点信息增强的专用修复功能，从而使研究人员能够分析其引用影响力并可视化地理覆盖范围，最终生成结构化输出和交互式世界地图。

原作者： Chenxu Niu, Yiming Sun

发布于 2026-04-29

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Chenxu Niu, Yiming Sun

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象你是一位撰写了论文的研究者。你知道自己的论文被引用了多少次，但你不知道谁在阅读它，他们坐在哪里，或者他们有多出名。这就像知道一首歌被播放了一百万次，却不知道它是由大教堂里的合唱团在演唱，还是由车库里的一个孩子在哼唱。

CiteRadar 是一款全新的免费工具，它就像你研究领域的“高科技侦探”。它只需你提供一个 Google Scholar 个人主页的链接，就能为你构建出一幅完整的“学术邻里”地图。

以下是其工作原理的简明拆解：

1. 问题所在：引用的“黑箱”

目前，如果你想了解谁在基于你的工作展开研究，你只有两个糟糕的选择：

“付费墙”选项：你可以每年向大学支付数千美元，购买像 Web of Science 这样的高级数据库来获取这些信息。
“盲目”选项：你可以使用 Google Scholar 等免费工具，但它们只给你一个总数（例如“500 次引用”），而不会告诉你这些数字背后的人是谁，以及他们身在何处。

2. 解决方案：CiteRadar

CiteRadar 是一款免费、开源的程序，旨在填补这一空白。你只需提供你的 Google Scholar ID，它便会自动执行以下五项操作，为你生成一份完整报告：

收集证据：它读取你的论文列表，找出每一篇曾经引用过你的论文。
填补空白：它前往其他免费数据库，查找引用你的人的完整姓名、所属大学和所在国家。
分类人群：它生成两份名单：一份是引用你次数最多的人，另一份是“最具影响力”的人（基于他们自身的职业成就）。
绘制地图：它创建一张交互式世界地图，精确显示这些研究者的地理位置。
总结故事：它撰写一份纯文本摘要，你可以将其放入基金申请书或简历中。

3. 它如何解决“混乱数据”难题

该论文指出，互联网数据是混乱的，而 CiteRadar 发明了一些巧妙的技巧来处理这些问题：

“隐形空格”故障：Google Scholar 的代码使用一种特殊的“空格”字符，它在屏幕上看起来正常，但会让计算机困惑。如果计算机试图读取“作者 - 期刊，年份”却无法处理这种特殊空格，它就会把整串内容误认为是作者的名字。CiteRadar 拥有一个特殊的“翻译器”，可以修复这种隐形故障，从而正确地将姓名与期刊区分开来。
“同名双胞胎”问题：想象有两个名叫“约翰·史密斯”的人。一位是拥有辉煌职业生涯的著名教授，另一位则是刚入学的学生。如果计算机仅查看姓名，可能会错误地将著名教授的职业统计数据归给这位学生。CiteRadar 采用“两步检查”：它同时查看姓名和所属大学。如果大学不匹配，它就知道这是不同的人。这防止了“新生”意外获得虚假且虚高的职业评分。
“错误地址”修复：其中一个数据源（OpenAlex）为研究者提供指向其个人主页的网页链接，但计算机需要另一种类型的链接才能获取城市数据。CiteRadar 自动将“网页链接”替换为“数据链接”，将查找城市数据的成功率从 0% 提升至 60%。

4. 你能从中获得什么

工具运行结束后，你会获得一个包含以下内容的文件夹：

世界地图：你可以点击地图上的一个点（例如首尔或波士顿），查看弹出列表中所有来自该城市并引用过你工作的研究者。
排名列表：你可以看到你的“超级粉丝”（经常引用你的人）和"VIP 粉丝”（引用你的著名研究者）的名单。
总结报告：一份简单的文本文件，告诉你"134 人来自 11 个国家引用了你的工作，其中最大群体在美国”。

这为何重要？

该论文认为，这款工具在三个具体且实用的方面帮助研究者：

基金申请：你可以向资助机构展示：“看，我的作品正被德国和巴西的实验室使用”，以此证明你的研究具有真正的全球影响力。
职务晋升：你可以向大学证明：“我受到了著名资深科学家的引用”，这比单纯说“我有 500 次引用”更有说服力。
寻找合作者：如果你发现某个特定城市有一群研究者已经在阅读你的作品，你就确切知道该联系谁以开启合作。

简而言之，CiteRadar 将枯燥的数字列表转化为一个鲜活、生动的研究社区地图，帮助你看清谁在倾听，以及他们身在何处。

以下是论文《CiteRadar：用于研究者画像与地理可视化的引文智能平台》的详细技术总结。

1. 问题陈述

虽然聚合文献计量指标（如总引用次数、h 指数）是衡量研究影响力的标准，但它们无法回答对职业发展、资助申请和协作发现至关重要的细粒度问题。研究者需要了解：

谁在引用他们的作品（具体姓名、机构和资历）。
这些研究者在全球何处。
引用者个人的影响力如何。

现有解决方案存在不足：

商业平台（Web of Science, Scopus）提供这些数据，但需要昂贵的机构订阅。
Google Scholar 免费且广泛使用，但仅暴露聚合计数，缺乏结构化的每作者元数据或地理数据。
开放 API（OpenAlex, CrossRef）提供原始数据，但需要大量的定制工程才能组装成连贯的自动化工具。
现有开源工具（如 CitationMap）缺乏作者消歧、结构化排名和多来源元数据增强功能。

2. 方法论

CiteRadar 是一个开源 Python 命令行工具，它自动化了一个五阶段流水线，将单个 Google Scholar 用户 ID 转换为全面的引文智能报告。该系统整合了五个异构数据源：Google Scholar、OpenAlex、CrossRef、Semantic Scholar 和 OpenStreetMap Nominatim。

流水线阶段：

Scholar 爬取与引文追踪：
- 从 Google Scholar 个人资料中爬取完整的出版物列表。
- 遍历每篇引用数 > 0 的论文的“被引用”链接。
- 防封禁策略：使用真实的浏览器指纹、保守的请求节奏（2 秒延迟）以及优雅的 429 错误恢复机制，以避免触发速率限制。
元数据增强（CrossRef）：
- 对于 Scholar 截断作者列表的论文（通常 >5 位作者），CiteRadar 利用标题相似度匹配查询 CrossRef API，以检索完整、结构化的作者列表。
多来源作者画像：
- 通过优先级级联解析完整的作者元数据（姓名、机构、国家、城市）：
  1. OpenAlex（主要）：提供持久的作者 ID 和机构数据。
  2. Semantic Scholar（次要）：作为姓名/隶属关系的备用方案。
  3. CrossRef（第三）：作为结构化姓名的备用方案。
- URL 修复：修正了一个关键错误，该错误导致获取了 OpenAlex 机构网页 URL 而非 API 端点，从而将城市级数据的可用性从 0% 提升至约 60%。
作者消歧与排名：
- 实施两阶段消歧算法以防止“同名”实体合并（这是文献计量学中的常见故障）。
- 第一阶段：使用停用词过滤的字符串相似度，验证候选作者的机构是否与第三阶段记录的论文级机构相匹配。
- 第二阶段：如果不存在 OpenAlex ID，则按姓名搜索，并根据姓名相似度和机构匹配过滤候选者。
- 排名：生成两个排名表：一个按引用频率（有多少篇论文引用了该研究者）排序，另一个按h 指数（引用者的影响力）排序。
摘要与可视化：
- 生成纯文本统计摘要（唯一研究者、国家、机构）。
- 使用 Folium 库创建自包含的交互式 HTML 世界地图。
- 地理编码：使用 OpenStreetMap Nominatim 将城市/国家对转换为坐标。
- 可视化：使用对数缩放的圆形标记来表示研究者密度，防止大城市掩盖较小的城市。

3. 关键技术贡献

该论文识别并解决了四个具体的技术挑战：

Unicode 不换行空格解析器：Google Scholar 的 HTML 在分隔符周围使用 U+00A0（不换行空格）而非标准空格。CiteRadar 实现了显式的 Unicode 规范化，以正确解析会议场所和年份字段，否则这些字段在朴素解析器中会保持为空。
停用词过滤的机构相似度：为了解决作者消歧问题，系统在计算字符串相似度之前过滤掉常见的机构停用词（如"University"、"of"、"Lab"）。这防止了不同机构之间的错误匹配（例如"Texas Tech University"与"University of Texas"），并将 h 指数归属错误减少了高达 9 倍。
OpenAlex API URL 转换：作者发现通过网页 URL 获取机构数据会返回 HTML 而非 JSON。他们设计了路径转换（/openalex.org/ $\to$ /api.openalex.org/institutions/），将有城市级数据的作者比例从 0% 提升至约 60%。
对数地图缩放：交互式地图使用对数缩放函数作为标记半径（ $r(n) = \max(7, 7 + 10 \log_2(n+1))$ ），并采用感知有序的调色板，以有效可视化引文密度而不造成视觉混乱。

4. 结果与案例研究

作者通过对自己 Google Scholar 个人资料（高性能计算与 AI 系统研究）的画像验证了 CiteRadar。

规模：该流水线处理了来自 11 个国家和 31 个机构的 134 位唯一引用研究者。
地理洞察：识别出美国的主导集群（64%）以及韩国的显著独立集群（9%），具体位于西江大学。
消歧成功：系统成功区分了姓名相似的研究者，过滤掉了虚假条目（例如将会议名称误认为作者），并正确归属了 h 指数。
可操作的发现：
- 揭示了橡树岭国家实验室（Oak Ridge National Laboratory）的 20 位研究者采用了该方法（对 DOE 资助提案有用）。
- 识别出引用该作品的高级研究者（h 指数 $\ge$ 50），为终身教职/晋升案例提供了定性证据。
- 发现了跨学科影响（VLSI 设计研究者引用了 LLM 基准测试论文）。

5. 意义

CiteRadar 弥合了原始引文数据与个体研究者可操作智能之间的差距。

可及性：它使以前仅限于拥有昂贵订阅的机构的高级文献计量智能民主化。
细粒度：它超越了“多少”次引用，转向“谁”和“何处”，从而实现有针对性的协作和战略职业规划。
可复现性：作为一个单一的 pip install 包，它为引文分析提供了透明、可复现的工作流程。
鲁棒性：通过解决主要数据源特定的解析怪癖和 API 限制，它为开源文献计量工具的可靠性树立了新标准。

可用性：该工具是开源的（MIT 许可证），可在 https://github.com/chenxuniu/citeradar 获取。