前言：尋找寫作靈感？中文期刊網(wǎng)用心挑選的學(xué)術(shù)期刊綜合評(píng)價(jià)研究，希望能為您的閱讀和創(chuàng)作帶來靈感，歡迎大家閱讀并分享。

1引言

作為傳播科學(xué)思想、呈現(xiàn)研究成果和科技水平的一種重要媒介,學(xué)術(shù)期刊在促進(jìn)科學(xué)知識(shí)的創(chuàng)新、科技成果的轉(zhuǎn)化以及社會(huì)科技的進(jìn)步等方面發(fā)揮著重要的作用。不同的學(xué)術(shù)期刊（以下簡稱“期刊”）有著不同的影響力。期刊的影響力通常指在一定時(shí)間內(nèi)該期刊所發(fā)表的學(xué)術(shù)文獻(xiàn)對(duì)后續(xù)某段時(shí)間內(nèi)相關(guān)科學(xué)研究與應(yīng)用的促進(jìn)能力，即反映期刊對(duì)知識(shí)創(chuàng)新的影響程度。期刊影響力的大小通常由某種或某些文獻(xiàn)計(jì)量學(xué)指標(biāo)來度量。好的期刊影響力度量對(duì)總體評(píng)估期刊的學(xué)術(shù)質(zhì)量、宏觀考量期刊的辦刊定位與出版策略具有非常重要的參考意義。期刊影響力本質(zhì)上來源于學(xué)術(shù)文獻(xiàn)的科學(xué)價(jià)值與應(yīng)用價(jià)值的大小，但同時(shí)也受到該段時(shí)間內(nèi)社會(huì)對(duì)其價(jià)值的認(rèn)知水平與認(rèn)同程度、期刊內(nèi)容的多樣性、學(xué)科發(fā)展程度、以及期刊自身及其相關(guān)渠道的傳播與擴(kuò)散能力等諸多因素制約，所以對(duì)其做出客觀、準(zhǔn)確的定量分析是一個(gè)具有挑戰(zhàn)的任務(wù)。現(xiàn)有研究工作試圖開發(fā)一個(gè)合理的期刊影響力度量指標(biāo)。最常見的期刊影響力度量指標(biāo)是由美國已故著名學(xué)者加菲爾德博士提出將影響因子。目前，許多學(xué)者將影響因子作為衡量期刊影響力的指標(biāo),認(rèn)為影響因子越大,期刊影響力就越大。于挨福等利用面板數(shù)據(jù)建立多元回歸模型,分析了期刊基金論文比、期刊的類型等指標(biāo)對(duì)期刊影響因子的關(guān)系;俞立平等利用散點(diǎn)圖、回歸分析和分組統(tǒng)計(jì)的方法,系統(tǒng)研究了基金論文比、平均引文數(shù)、引用半衰期等指標(biāo)與影響因子之間的關(guān)系;俞立平等基于分位數(shù)回歸模型,分析了期刊時(shí)效性等指標(biāo)對(duì)期刊影響因子的關(guān)系。然而，隨著各個(gè)學(xué)科知識(shí)創(chuàng)新日漸加速、跨學(xué)科研究日趨普遍、文獻(xiàn)出版方式日呈多樣化及知識(shí)傳播速度日益加快，只使用影響因子來衡量期刊影響力存在一定的缺陷。探索可以較為全面反映學(xué)術(shù)期刊質(zhì)量和影響力的新型度量指標(biāo)，越來越受到學(xué)術(shù)界的重視。Braun等首次將h指數(shù)用于衡量期刊的學(xué)術(shù)影響力,李啟正等對(duì)紡織學(xué)科期刊的h指數(shù)、總被引頻次和影響因子進(jìn)行相關(guān)性和回歸擬合分析。Egghe提出的基于h指數(shù)改進(jìn)的g指數(shù)用于評(píng)價(jià)期刊影響力,張壘等則利用灰色關(guān)聯(lián)分析法和相關(guān)性分析法分別研究h指數(shù)、g指數(shù)和影響因子與載文數(shù)、被引頻次等指標(biāo)的相關(guān)關(guān)系。特征因子的概念由Bergstrom等提出并用于期刊的影響力評(píng)價(jià),俞立平等采用面板數(shù)據(jù)模型研究了期刊影響因子、總被引頻次等文獻(xiàn)計(jì)量指標(biāo)對(duì)特征因子的影響關(guān)系。我國學(xué)者邵作運(yùn)等在載文量的基礎(chǔ)上來計(jì)量被引頻次,提出了一種新型指標(biāo)f(x)指數(shù)評(píng)價(jià)期刊影響力,然后采用Spearman相關(guān)系數(shù)分析了f(x)指數(shù)與總被引頻次、影響因子等指標(biāo)的相關(guān)性。中國科學(xué)文獻(xiàn)評(píng)價(jià)研究中心在2013年的《中國學(xué)術(shù)期刊影響因子年報(bào)》中,提出一個(gè)全新的評(píng)價(jià)指標(biāo)：學(xué)術(shù)期刊影響力指數(shù)(AcademicJournalCloutIndex,CI),該指標(biāo)一種綜合總被引頻次和影響因子的非線性綜合指標(biāo)。丁筠首次對(duì)期刊影響力指數(shù)進(jìn)行了分析,并采用Pearson相關(guān)系數(shù)研究了CI與影響因子等傳統(tǒng)指標(biāo)的關(guān)聯(lián)性。楊浦對(duì)學(xué)術(shù)期刊影響力指數(shù)CI進(jìn)行了非線性分析。目前公認(rèn)，期刊的影響力是多個(gè)方面因素的綜合影響結(jié)果，其影響因素指標(biāo)體系是由一系列具有內(nèi)在關(guān)聯(lián)的評(píng)價(jià)指標(biāo)所構(gòu)成。綜合各種指標(biāo)的期刊影響力評(píng)價(jià)方法能夠從多個(gè)層面反映出期刊影響力的實(shí)際情況。近年來，越來越多的研究趨向于利用期刊的多種計(jì)量指標(biāo)對(duì)其進(jìn)行影響力進(jìn)行綜合評(píng)價(jià)。程慧平利用主成分分析與熵權(quán)TOPSIS方法進(jìn)行了綜合指標(biāo)學(xué)術(shù)影響力評(píng)價(jià)。俞立平綜合多種文獻(xiàn)計(jì)量指標(biāo)提出了隔年影響因子和隔年h指數(shù)。張發(fā)明和王偉明運(yùn)用因子分析和誘導(dǎo)密度算子對(duì)學(xué)術(shù)期刊組合評(píng)價(jià)。張和平和陳齊海分別利用因子分析-DEMATEL定權(quán)法對(duì)期刊進(jìn)行綜合評(píng)價(jià)。俞立平等對(duì)學(xué)術(shù)期刊影響力指數(shù)CI進(jìn)行了改進(jìn)研究。綜述所述,從影響力評(píng)價(jià)指標(biāo)研究方法上看,盡管多數(shù)學(xué)者采用相關(guān)系數(shù)、線性回歸、因子分析等線性分析方法能夠?qū)ζ诳绊懥M(jìn)行綜合評(píng)價(jià)，然而這些方法卻無法捕獲期刊計(jì)量指標(biāo)直接的非線性關(guān)系。另外，盡管CI提供了一種非線性關(guān)系影響力綜合評(píng)價(jià)指標(biāo)，但是它主要由影響因子和總被引頻次兩個(gè)指標(biāo)確定，并且受發(fā)文量的制約。一個(gè)影響因子接近0的期刊短期快速提高CI的最好途徑就是無限增加發(fā)文量。為了抑制這種盲目行為，量效指標(biāo)（JournalMassIndex，JMI）能夠抑制發(fā)文量對(duì)CI值的過度影響。然而，JMI人工干預(yù)過多，其中的參數(shù)選擇具有太多主觀性。在人工智能和機(jī)器學(xué)習(xí)領(lǐng)域，深度學(xué)習(xí)不僅能夠表達(dá)變量之間的高度非線性關(guān)系，而且能夠壓縮多個(gè)變量的關(guān)系從而為期刊影響力提供一個(gè)可視化的表達(dá)和分析。目前在期刊綜合評(píng)價(jià)領(lǐng)域,尚未有深度學(xué)習(xí)模型的應(yīng)用。因此，本文運(yùn)用深度學(xué)習(xí)中的自編碼器模型對(duì)期刊影響力的影響因素進(jìn)行系統(tǒng)地定量研究、可視化分析，并應(yīng)用其為缺少CI值的期刊進(jìn)行CI預(yù)測(cè)。

2方法

2.1數(shù)據(jù)選取

本文數(shù)據(jù)來源于2017年中國學(xué)術(shù)期刊影響因子年報(bào)（人文社會(huì)科學(xué)），以公布的“法律”學(xué)科中94種期刊為研究樣本。針對(duì)其中的每一個(gè)期刊，本文選擇學(xué)術(shù)期刊影響力指數(shù)（AcademicJournalCloutIndex，簡稱CI）、期刊量效指數(shù)（Jour⁃nalMassIndex，簡稱JMI）作為學(xué)術(shù)期刊指數(shù)（簡稱指數(shù)），選擇復(fù)合類指標(biāo)、綜合類指標(biāo)、人文社科影響因子指標(biāo)、出版指標(biāo)、引證指標(biāo)、網(wǎng)絡(luò)傳播指標(biāo)等多類指標(biāo)體系作為學(xué)術(shù)期刊因素（簡稱因素）。“法律”學(xué)科總共包含2種指數(shù)和24種因素。因?yàn)樯倭科诳笔€(gè)別因素的數(shù)據(jù)，需要對(duì)數(shù)據(jù)進(jìn)行篩選。本文采用如下篩選方案：剔除存在缺失數(shù)據(jù)的因素。經(jīng)統(tǒng)計(jì)，“復(fù)合5年影響因子”等7種因素存在缺失數(shù)據(jù)。此外，《中外法學(xué)》、《清華法學(xué)》和《比較法研究》的“引用半衰期”并非確切數(shù)值（如“>20”）均已20替代。經(jīng)過數(shù)據(jù)篩選，篩選方案最終選擇的因素體系如表2所示。另外，針對(duì)《安徽警官職業(yè)學(xué)院學(xué)報(bào)》缺失CI數(shù)值的情況，本文將在后續(xù)的實(shí)驗(yàn)中給出其在篩選方案下的CI預(yù)測(cè)值。

2.2數(shù)據(jù)預(yù)處理

因?yàn)樗衅诳绊懥σ蛩氐娜≈捣秶町惡艽螅热鐝?fù)合總被引的數(shù)值量級(jí)可達(dá)上萬，而復(fù)合影響因子的數(shù)值量級(jí)只有10左右，所以本文采用數(shù)據(jù)標(biāo)準(zhǔn)化來減少計(jì)算誤差。

2.3深度自編碼器

以神經(jīng)科學(xué)為支撐點(diǎn)，深度學(xué)習(xí)具有表達(dá)變量之間的高度非線性關(guān)系的能力，已經(jīng)被成功地應(yīng)用在計(jì)算機(jī)視覺、機(jī)器翻譯等諸多領(lǐng)域。深度自編碼器（以下簡稱自編碼器）作為深度學(xué)習(xí)領(lǐng)域的重要組成部分，是一種無監(jiān)督的深度神經(jīng)網(wǎng)絡(luò)。它不僅能夠表達(dá)高維非線性變量關(guān)系，而且能夠?qū)⑵鋲嚎s為低維關(guān)系，從而為期刊影響力提供一個(gè)可視化的表達(dá)和分析。在實(shí)際應(yīng)用當(dāng)中，自編碼器具有重建過程簡單、可堆疊多層等優(yōu)點(diǎn)。自編碼器由輸入層、編碼解碼隱含層和輸出層組成。其中，輸入層和輸出層維度（神經(jīng)元數(shù)目）相等，輸入層和隱含層之間構(gòu)成編碼器，輸入信號(hào)x∈Rd通過編碼過程在編碼隱含層產(chǎn)生含數(shù)據(jù)特征的激勵(lì)a∈Rm，解碼隱含層和輸出層之間構(gòu)成解碼器，a通過解碼過程得到重構(gòu)信號(hào)y∈Rd。在本文中，x代表期刊，用d個(gè)期刊因素表示，y表示重構(gòu)之后的期刊。自編碼器的訓(xùn)練目標(biāo)是使原始輸入y≈x，從而獲取數(shù)據(jù)中最重要的信息。

2.4CICI和JMI的定義

2013年中國科學(xué)文獻(xiàn)計(jì)量評(píng)價(jià)研究中心和清華大學(xué)圖書館提出了一種學(xué)術(shù)期刊影響力指數(shù)（AcademicJournalCloutIndex，簡稱CI），能夠?qū)W(xué)術(shù)期刊影響力進(jìn)行綜合評(píng)價(jià)。它將期刊在統(tǒng)計(jì)年的總被引頻次（TC）和影響因子（IF）進(jìn)行組內(nèi)線性歸一化后并進(jìn)行向量平均計(jì)算所得的數(shù)值，用于對(duì)組內(nèi)期刊排序。期刊的CI值越大，該期刊距離組內(nèi)“影響力最大期刊”的差距越小，即該期刊影響力越大。在2017年發(fā)表的“中國學(xué)術(shù)期刊影響因子年報(bào)（人文社會(huì)科學(xué)）”（以下簡稱“年報(bào)”）中，的CI值均乘以1000。以“法學(xué)”學(xué)科的期刊組為例，組內(nèi)影響力最大的期刊是《中國法學(xué)》，它的總被引頻次和影響因子均為組內(nèi)最高，因此α=β=k=1，從而CI值為1414.214。然而，CI定義中只采用了TC和IF，并未考慮其它計(jì)量指標(biāo)，如即年指標(biāo)、半衰期等。一個(gè)影響因子接近0的期刊短期快速提高CI的最好途徑就是無限增加發(fā)文量。為了抑制這種盲目行為，提出了新的量效指標(biāo)（JournalMassIndex，JMI）來修正CI值。然而，JMI人工干預(yù)過多，k的選擇具有太多主觀性。本文擬利用深度自編碼器綜合復(fù)合類指標(biāo)、綜合類指標(biāo)、人文社科影響因子指標(biāo)、出版指標(biāo)、引證指標(biāo)、網(wǎng)絡(luò)傳播指標(biāo)等多類計(jì)量指標(biāo)體系，并在深度自編碼器生成的學(xué)術(shù)期刊隱元空間內(nèi)調(diào)查期刊學(xué)術(shù)影響力CI的分布，從而幫助期刊進(jìn)行學(xué)術(shù)影響力排名。

3實(shí)證分析

3.1兩兩因素的相關(guān)性分析

針對(duì)前述17種期刊因素，我們進(jìn)行了兩兩因素相關(guān)性的統(tǒng)計(jì)分析，使用Spearman相關(guān)系數(shù)對(duì)該相關(guān)性進(jìn)行度量。結(jié)果表明，在136個(gè)Spearman相關(guān)系數(shù)中，12.5%的相關(guān)系數(shù)大于0.90，18.38%的相關(guān)系數(shù)大于0.8，36.03%的相關(guān)系數(shù)大于0.7，48.53%的相關(guān)系數(shù)大于0.6，54.68%的相關(guān)系數(shù)大于0.5。更為重要的是，因素的兩兩相互關(guān)系可分為以下四種類型：近似獨(dú)立關(guān)系、簡單線性關(guān)系、單調(diào)非線性關(guān)系、以及復(fù)雜非線性關(guān)系。圖2分別展示了這四種關(guān)系的一個(gè)示例。每種關(guān)系具體描述如下：（1）近似獨(dú)立關(guān)系。即一種因素與另一種因素幾乎無關(guān)。例如，“可被引文獻(xiàn)比”與“基金論文比”之間，“可被引用文獻(xiàn)量”與“基金論文比”之間。特別地，“可被引文獻(xiàn)比”與其它所有的因素的相關(guān)性均很小，Spearman相關(guān)系數(shù)絕對(duì)值的平均值僅為0.1097。（2）簡單線性關(guān)系。這種關(guān)系通常存在于各種影響因子相關(guān)因素之間。例如，“復(fù)合影響因子”與“復(fù)合他引影響因子”之間，“復(fù)合影響因子”與“綜合他引影響因子”之間，“復(fù)合影響因子”與“人文社科影響因子”。其中“復(fù)合影響因子”和“復(fù)合他引影響因子”之間的Spearman相關(guān)系數(shù)高達(dá)0.9924。（3）單調(diào)非線性關(guān)系。有些因素之間表現(xiàn)為近似單調(diào)曲線關(guān)系。例如，“被引期刊數(shù)”和“總下載量（萬次）”之間；“復(fù)合總被引”與“被引期刊數(shù)”之間。兩對(duì)因素的Spearman相關(guān)系數(shù)分別高達(dá)0.9515和0.9632。（4）復(fù)雜非線性關(guān)系。有些因素之間呈現(xiàn)為復(fù)雜的非線性關(guān)系。例如，“基金論文比”與“被引半衰期”之間；“他引總引比”與“互引指數(shù)”之間。此類關(guān)系無法使用常規(guī)的相關(guān)系數(shù)表示。綜上所述，大多數(shù)期刊因素之間不僅存在較高的線性相關(guān)性，而且存在單調(diào)和復(fù)雜的非線性關(guān)系。本文將利用深度自編碼器去除蘊(yùn)含在多個(gè)因素間的冗余信息、刻畫其中的非線性關(guān)系，將多個(gè)因素映射到一個(gè)三維隱元空間內(nèi)，從而進(jìn)一步分析綜合因素與期刊學(xué)術(shù)影響力指標(biāo)的關(guān)聯(lián)關(guān)系。

3.2期刊影響力指數(shù)可視化分布

針對(duì)篩選方案中的17種指標(biāo)因素，應(yīng)用三層自編碼器進(jìn)行變換，其中輸入層的神經(jīng)元數(shù)目與指標(biāo)因素的數(shù)目一致，等于17；中間編碼隱含層的神經(jīng)元數(shù)目分別為50和25，輸出層的神經(jīng)元數(shù)目為3。具體網(wǎng)絡(luò)結(jié)構(gòu)，請(qǐng)參見圖1。最終，將94種期刊經(jīng)過自編碼器將其17種指標(biāo)映射到三維隱元空間，每一個(gè)期刊的前三個(gè)隱元值分別被視作其三維坐標(biāo)值。如圖3-a所示，所有期刊可被呈現(xiàn)在三維空間中，其中三個(gè)隱元軸分別標(biāo)記為X、Y和Z，每一個(gè)圓點(diǎn)表示一種期刊。利用自編碼器綜合多種因素的隱元空間可以對(duì)期刊學(xué)術(shù)影響力進(jìn)行評(píng)價(jià)。為了驗(yàn)證其有效性，我們對(duì)比了2017年《中國學(xué)術(shù)期刊影響因子年報(bào)》（人文社會(huì)科學(xué)）中提出:學(xué)術(shù)期刊影響力指數(shù)(CI)及其修正的期刊量效指標(biāo)（JMI）。我們?cè)O(shè)計(jì)了一種可視化方案來進(jìn)行對(duì)比：代表期刊的圓點(diǎn)的直徑與該期刊CI值的自然對(duì)數(shù)值成正比；同時(shí)采用從深藍(lán)色逐漸過渡到深紅色的色譜來表示此自然對(duì)數(shù)值從小到大的變化。圖3-b，圖3-c和圖3-d展示94個(gè)法學(xué)期刊分布在隱元空間中經(jīng)過可視化處理之后的三維空間視圖和兩種二維平面視圖。從圖3中，我們觀察到了幾個(gè)重要的現(xiàn)象。首先，所有期刊分布在一條曲線上附近。沿著該線，期刊的CI值在總體上呈現(xiàn)明顯的變化趨勢(shì)。特別地，根據(jù)第一隱元軸，隨著X值從小到大變化，CI值逐漸增加。兩者之間的Spearman相關(guān)系數(shù)為0.911，p值為0。第二隱元軸Y和第三隱元軸Z與CI的Spearman相關(guān)系數(shù)分別為0.8961和0.8453。因此，CI與隱元空間高度正相關(guān)。換句話說，CI值可以由期刊隱元空間推測(cè)獲得。利用這一點(diǎn)，可為無法計(jì)算或缺失CI值的期刊提供CI值預(yù)測(cè)。其次，根據(jù)X的數(shù)值，這些期刊可以分為三個(gè)梯隊(duì)。第一個(gè)梯隊(duì)由《中國法學(xué)》和《法學(xué)研究》組成，它們的X值大于0.38，對(duì)應(yīng)的CI值分別為1414.214和1235.893，占據(jù)CI排名的前兩名。屬于第二梯隊(duì)的X值位于[0.23，0.31]之間，該梯隊(duì)中的前三位期刊是《中外法學(xué)》、《法學(xué)》和《法商研究》，其對(duì)應(yīng)的CI值分別為696.566，658.358和578.78。第三梯隊(duì)由其它期刊組成，其中排列最后兩位的期刊是《中國刑警學(xué)院學(xué)報(bào)》和《武漢公安干部學(xué)院學(xué)報(bào)》，它們的CI值分別為5.203和1.4。因此，這條期刊分布線可以作為學(xué)術(shù)期刊影響力評(píng)價(jià)線，它提供了一種學(xué)術(shù)期刊影響力可視化評(píng)價(jià)方法。最后，《法制與社會(huì)》顯得與眾不同，它遠(yuǎn)離期刊分布曲線，是屬于指標(biāo)值異常的離群期刊。《法制與社會(huì)》的復(fù)合總被引（11596）、期刊綜合總被引（1427）、可被引文獻(xiàn)量（5131）、引用期刊數(shù)（2510）、被引期刊數(shù)（1370）、總下載量(128.94萬次)都非常高，遠(yuǎn)超于其它期刊。然而在所有法學(xué)類期刊中它卻具有較小的CI值（11.208）和最小的JMI值（0.019）。為了抑制片面追求總被引頻次盲目擴(kuò)大發(fā)文量CI利用JMI進(jìn)行了校正，從而可對(duì)單一指標(biāo)的一般性奇異行為具有較好的抑制效果。在這一點(diǎn)上，自編碼器隱元空間是與CI值是一致的。不同的是，CI值是基于人工來設(shè)定校正系數(shù)的，而本文方法是自動(dòng)識(shí)別的。可以進(jìn)一步利用異常程度（距離遠(yuǎn)近）來設(shè)定懲罰或矯正系數(shù)。偏離越遠(yuǎn)、異常程度越大。

3.3自編碼器的應(yīng)用—預(yù)測(cè)自編碼器的應(yīng)用—預(yù)測(cè)CI值

在本節(jié)，我們直接應(yīng)用深度自編碼器對(duì)期刊進(jìn)行CI值預(yù)測(cè)。在2017年《中國學(xué)術(shù)期刊影響因子年報(bào)》（人文社會(huì)科學(xué)）中并未提供《安徽警官職業(yè)學(xué)院學(xué)報(bào)》的CI值。針對(duì)缺失CI值，我們選擇與CI值相關(guān)性最大的隱元空間第一隱元X作為基準(zhǔn)，預(yù)測(cè)《安徽警官職業(yè)學(xué)院學(xué)報(bào)》的CI值。我們觀察到，按照CI值從大到小排布時(shí)，除了《安徽警官職業(yè)學(xué)院學(xué)報(bào)》之外的93種法學(xué)期刊的CI值呈現(xiàn)非線性分布。通過曲線擬合得出其分布擬合函數(shù)為冪指數(shù)f(x)=1846x-0.3416-441.5，如圖4-a所示。因?yàn)槿绻苯永镁哂袃缰笖?shù)分布特性的CI值和第一隱元X的關(guān)系進(jìn)行預(yù)測(cè)，在預(yù)測(cè)過程當(dāng)中會(huì)由數(shù)值差異較大而引起較大的計(jì)算誤差，所以我們采用CI的自然對(duì)數(shù)值來減少計(jì)算誤差。

4結(jié)語

本文以94種法學(xué)期刊為研究樣本，運(yùn)用深度自編碼器模型對(duì)學(xué)術(shù)期刊的影響力進(jìn)行了系統(tǒng)地定量研究和可視化分析。首先，分析了復(fù)合類指標(biāo)、綜合類指標(biāo)、人文社科影響因子指標(biāo)、出版指標(biāo)、引證指標(biāo)和網(wǎng)絡(luò)傳播指標(biāo)等六大類指標(biāo)包含的17種期刊因素的兩兩相互關(guān)系。結(jié)果表明，期刊因素的兩兩相互關(guān)系存在以下四種類型：近似獨(dú)立關(guān)系、簡單線性關(guān)系、單調(diào)非線性關(guān)系、以及復(fù)雜非線性關(guān)系。其次，利用深度自編碼器去除蘊(yùn)含在多個(gè)因素間的冗余信息并刻畫其中的非線性關(guān)系，將多個(gè)因素映射到一個(gè)三維隱元空間內(nèi)，從而進(jìn)一步分析綜合因素與期刊學(xué)術(shù)影響力指標(biāo)的關(guān)聯(lián)關(guān)系。結(jié)果表明，法學(xué)期刊在三維隱元空間內(nèi)呈現(xiàn)顯著曲線分布，這條分布線可以視作學(xué)術(shù)期刊影響力評(píng)價(jià)線，不僅與學(xué)術(shù)期刊影響力指數(shù)CI密切相關(guān)，而且能夠?qū)W(xué)術(shù)期刊自動(dòng)分組，同時(shí)能自動(dòng)發(fā)現(xiàn)異常期刊。最后，利用期刊的隱元坐標(biāo)和期刊的CI值，建立擬合函數(shù)，預(yù)測(cè)《安徽警官職業(yè)學(xué)院學(xué)報(bào)》的缺失CI值。結(jié)果表明，隱元空間第一隱元X與與CI值相關(guān)性最大，同時(shí)CI值呈現(xiàn)冪指數(shù)分布規(guī)律；以此作為基準(zhǔn)，所建立的二階有理數(shù)分式擬合函數(shù)能夠有效地預(yù)測(cè)《安徽警官職業(yè)學(xué)院學(xué)報(bào)》的CI值。總而言之，本文提出了一種新的多因素期刊學(xué)術(shù)影響力綜合評(píng)價(jià)方法，同樣也適用于其它學(xué)科的學(xué)術(shù)期刊，其結(jié)論可以為期刊學(xué)術(shù)影響力建設(shè)提供借鑒意義。