h-индекс и суммарное число цитирований не различают, как именно работа процитирована: использование результата и формальное упоминание во введении дают одинаковый вклад. При этом значительная часть цитирований носит фоновый характер, включая взаимные и ритуальные ссылки, что систематически завышает показатели. На этом сайте по профилю автора в Semantic Scholar (S2) считаются его h-индекс и количество цитирований без учёта фоновых цитирований из introduction и related work.
Ограничение: разметка есть только для открытой части цитирующих статей.
Числа цитирований различаются между площадками: у каждой своя база статей. Ниже сравнение трёх основных индексаторов.
| Google Scholar | Semantic Scholar | OpenAlex | |
|---|---|---|---|
| Открытость | Нет: API отсутствует, работает сильная антибот-защита | Да: бесплатный открытый API | Да: бесплатный открытый API, данные CC0 |
| Покрытие | Максимальное: все типы материалов, открытые и закрытые (статьи, книги, диссертации, препринты) | Только статьи и открытые архивы (arXiv и подобные) | Статьи, книги, датасеты (наследник Microsoft Academic Graph) |
| Разметка цитирований | Нет | На части цитирований: роль цитирования (background, methodology, result), контексты упоминаний и Highly Influential Citations на основе ИИ | Нет |
У Google Scholar (GS) нет открытого API, и работает сильная антибот-защита. Для скрапинга есть платные сервисы, которые выполняют запросы к GS и возвращают результат в виде JSON. SerpApi стоит от $25 в месяц за 1000 запросов, Scrapingdog от $40 в месяц примерно за 40 000 запросов к Scholar. Один запрос соответствует одной странице выдачи GS, поэтому на профиль с 1000 цитирований нужно порядка сотни запросов. Поэтому мы используем открытый индексатор Semantic Scholar.
В отличие от GS, Semantic Scholar индексирует только статьи и открытые архивы, поэтому количество цитирований на наших данных примерно в 2 раза меньше. У S2 есть встроенная разметка по роли цитирования (background, methodology, result), но она сделана не на все публичные цитаты и составляет порядка 20–30 % от всех цитирующих статей. Наш метод добавляет собственный парсинг открытых PDF статей и тем самым существенно увеличивает покрытие.
Все числа здесь официальные показатели каждой площадки по всем цитированиям, без фильтра по типу. Расхождения между колонками иллюстрируют разницу покрытия баз.
| Автор | Google Scholar | Semantic Scholar | OpenAlex |
|---|---|---|---|
| Будённый С. | профиль, h 16, цит. 996 | профили 1, 2, 3, h 11, цит. 535 | профиль, h 11, цит. 584 |
| Саховский А. | профиль, h 11, цит. 365 | профиль, h 10, цит. 254 | профиль, h 6, цит. 141 |
| Кох В. | профиль, h 10, цит. 324 | профиль, h 8, цит. 196 | профиль, h 6, цит. 129 |
| Новопольцев М. | профиль, h 4, цит. 98 | профиль, h 4, цит. 57 | профиль, h 4, цит. 46 |
Все колонки таблиц § 4 считаются от одного и того же множества цитирующих статей из Semantic Scholar — «рёбер» (одно ребро = одна цитирующая статья после склейки версий: препринт и журнальная версия считаются один раз, метки объединяются). Для неразмеченных рёбер мы скачиваем открытые PDF цитирующих статей, извлекаем текст утилитой pdftotext и находим все упоминания цитируемой работы вместе с секцией, где они стоят. Дальше три независимые разметки:
Каждое цитирование относится к одному из двух классов. Фоновое — работа просто упомянута (метка background: «для контекста», в том числе во введении и обзоре). Полезное — работа реально используется: её метод (метка methodology) или её результат (метка result). Три разметки различаются тем, кто и по каким данным ставит класс:
В каждой группе колонок два числа. «Все» — сколько цитирований получило метку в этой разметке (в скобках в таблице цитирований — их доля от всех рёбер автора: «70 (13 %)» = размечено 70 цитирований, это 13 % рёбер). «Полезные» — сколько из них полезных. Метка unknown у LLM означает, что упоминание найти или классифицировать не удалось: такие рёбра дают диапазон «нижняя граница — фоновое, верхняя — полезное».
h-индекс по подмножеству рёбер: статья входит в h, если у неё не меньше h цитирований данного типа. Доли размеченных рёбер по каждому автору указаны в скобках в таблице 2.
В скобках указана доля размеченных рёбер от всех рёбер S2 автора, то есть выборка, по которой посчитана группа колонок.
Схема показывает, как строятся все три разметки. Ниже два сравнения на одном корпусе: цитирования всех четырёх авторов, у которых есть одновременно метка S2 и найденный полный текст статьи. Для каждого такого цитирования есть независимые ответы на вопрос «фоновое это цитирование или полезное», их согласие сведено в таблицы сопряжённости.
Каждое ребро со всеми тремя разметками: метка S2, правило по секциям и независимая LLM-разметка (по PDF, если он был доступен). Итог — метка LLM, если она есть, иначе метка S2. Эти же данные скачиваются одним JSONL-файлом, по строке на ребро. Метка unknown у LLM означает, что упоминание цитируемой работы найти или однозначно классифицировать не удалось.
Вставьте ссылку на профиль автора в Semantic Scholar. Если профиль фрагментирован на несколько страниц, вставьте все ссылки, статьи склеятся. Инструмент соберёт цитирования через открытый API S2 и построит те же разрезы, что в таблицах выше.