常用Web of Science（WOS）平台的读者一定会注意到，近期在检索结果栏左侧的精炼检索结果栏里，增加了“Citation Topics”分类，可利用该功能对检索词所在的研究主题进行分析精炼。图书馆搜集相关信息，整理相关知识与广大读者分享。

科学研究呈现的是一个动态的生态系统，作者通过引用已有论文并发表新的论文来推动其领域的发展，而研究主题也随之多样化，新的主题轮番登场，旧的主题则逐渐退出舞台。尽管Web of Science核心合集等引文网络可以捕捉到这种变化，但大规模地揭示哪些概念正在出现、增长或衰退，依然是个难题。

现有的学科分类模式，如成熟的Web of Science的学科分类，提供了一种稳定、可靠、实用的方式来比较国家和机构的产出，展示几十年来的变化。然而，由于是以整本期刊、书籍和会议录为单位进行分类，因而掩盖了文献层面上不同类别之间和同类别内部的动态变化。

为了帮助用户更好地了解研究主题的不断演变，评价其中的表现，科睿唯安推出了InCites Benchmarking & Analytics™ Citation Topics（引文主题）。近期其Citation Topics结果也呈现在Web of Science核心合集界面供广大读者使用。

一、什么是Citation Topics（引文主题）？

Citation Topics代表通过引文相互关联的论文组。对将近7000万篇文献构建文章级别的主题分类体系是一个巨大的挑战。虽然算法可以根据文献之间的关系对大量的文献进行聚类，但如何展现这些聚类结果让人们可以理解并加以利用却是另外一回事。

WOS产品团队与莱顿的科技研究中心（CWTS）合作，开发并实施了一种基于引用的分类算法。随着已发表论文的相互引用，这些引用关系的强度将相关文献汇聚到一起，形成离散的相关文献集群。这些集群构成了Citation Topics的核心，独立于单篇文献的主题和内容，却代表着作者相互积极引用对方论文的领域。

Citation Topics是动态的研究——所有新发表的文献都会添加到现有的主题中，确保主题持续准确地反映基础文献的变化。

二、主题层次结构有哪些优势？

在开发过程中，需要解决如何显示数据的问题，以使其对用户的数据分析最有帮助。范围小而紧密的主题可以在任何分析中提供精细度，但可能无法展示大局。更大、更宽泛的主题可以提供很好的总结，但会遗漏细节。WOS对Citation Topics采用的方法是构建一个宏观、中观和微观主题的三级层次结构，使用户能够根据自己的问题选择合适的精细水平进行分析。为此，WOS生成了一个包含10个广义集群、326个中观集群和2444个微观集群的层次结构。用户可以从广义的宏观主题到狭义的微观主题逐层探究细节，在每个层次上进行分析。

三、如何确定Citation Topics的名称？

Citation Topics（引文主题）需要言之有物的描述性名称。引用聚类只能理解文献之间的关系，而对其主题内容一无所知。WOS根据内容对宏观和中观类别进行了标注。由于微观Citation Topics数量较多，WOS采用了不同的方法——使用算法工具根据最重要的关键词给每个主题加标注。WOS通过这种方式对近2500个微型主题确定了表述性的名称。

四、如何使用Citation Topics？

通过基于文献的全新三级引文主题分类体系，用户现在可以对研究人员、组织、国家/地区和资助机构的产出进行更精细的分析。曾经按有限的Web of Science学科进行分类的出版物来源，现在则能够以更高的解析度对其进行全面画像。

以上内容参考科睿唯安公众号发布的部分信息。