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, учитывая только «полезные» цитирования и игнорируя «фоновые». Полезность задаётся тремя способами: готовой разметкой Semantic Scholar; правилом по секции упоминания (введение и обзор литературы — фоновое, методы, эксперименты и результаты — полезное); и языковой моделью, которая читает сами упоминания в открытых PDF статей и решает по смыслу.
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:
Важно, к чему относятся метки: метка S2 и наличие PDF — свойства ребра, а не статьи автора. Метка S2 описывает конкретное цитирование (пару «статья автора — цитирующая статья»), а PDF ищется у цитирующей статьи — чтобы прочитать, в какой секции и в каком контексте она ссылается. Статьи автора не отсеиваются: в подсчёте каждой колонки участвуют все его статьи из S2 (сколько статей реально видит каждая разметка — таблица 3).
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.
«Статей» — сколько статей автора видит каждая площадка. Отсева статей нет: все статьи автора из S2 участвуют в подсчёте каждой колонки, фильтруются только цитирования. В скобках указана доля размеченных рёбер от всех рёбер S2 автора, то есть выборка, по которой посчитана группа колонок.
Статья попадает в колонку разметки, если у неё есть хотя бы одно цитирование, которое эта разметка видит: для «Разметка S2» — ребро с меткой S2, для «S2 + секции» — ребро с меткой или с найденным PDF, для «LLM по PDF» — ребро, размеченное моделью. Статья без единого такого ребра — изолированная вершина: она формально входит в ранжирование, но даёт 0 цитирований и на h-индекс колонки повлиять не может. «Процитированы» — статей с хотя бы одним цитированием в S2 вообще.
Схема показывает, как строятся все три разметки. Ниже они сравниваются на цитированиях четырёх авторов, у которых есть метка S2 и открытая PDF статьи.
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.