학술 인용과 저자 평점을 동시에 평가하는 새로운 CITEX 지표

초록

CITEX는 저자‑논문 이원 그래프와 논문 인용 그래프를 이용해 저자와 논문의 점수를 동시에 계산하는 반복 알고리즘이다. 저자 점수는 자신이 집필한 논문의 점수에 의해, 논문 점수는 저자 점수와 인용받은 논문의 점수에 의해 업데이트된다. 선형대수의 퍼론‑프루베니우스 정리를 이용해 수렴을 증명했으며, 실험에서는 직관과 부합하는 순위를 제공한다는 결과를 보였다.

상세 분석

CITEX 논문은 기존의 인용 기반 지표가 저자와 논문을 별도로 평가하는 한계를 지적하고, 두 객체를 동시에 순위화할 수 있는 모델을 제안한다는 점에서 의미가 크다. 핵심 아이디어는 저자‑논문 이원 그래프(출판 그래프)와 논문‑논문 인용 그래프를 결합한 복합 네트워크를 구성하고, 이 네트워크 위에서 ‘반복 개선(Principle of Repeated Improvement)’ 방식을 적용해 점수를 교차 업데이트하는 것이다. 구체적으로, 초기 저자·논문 점수를 1로 설정한 뒤, 한 단계에서는 각 논문의 점수를 해당 논문의 공동 저자 수로 균등 분배하여 저자 점수를 계산하고, 다음 단계에서는 저자 점수와 인용받은 논문의 점수를 합산해 논문 점수를 재계산한다. 각 반복마다 전체 점수를 정규화해 0~1 구간에 머물게 함으로써 확률적 의미를 부여한다.

수학적 분석에서는 저자·논문 점수 업데이트를 각각 행렬 형태로 표현하고, 이 두 행렬이 비음수이며 열합이 1인 확률 전이 행렬임을 보인다. 따라서 퍼론‑프루베니우스 정리에 의해 고유값 1에 대응하는 양의 고유벡터가 존재하고, 반복 연산이 이 고유벡터로 수렴한다는 증명을 제공한다. 이는 구글 페이지랭크와 유사한 수렴 특성을 갖지만, 저자와 논문이라는 두 종류의 노드를 동시에 다루는 점이 차별점이다.

실험 부분에서는 몇 개의 인공 예시 그래프를 사용해 알고리즘을 적용하고, 얻어진 저자·논문 순위가 직관적으로 기대되는 결과와 일치함을 보여준다. 또한 기존 h‑index, g‑index, 논문 인용 횟수 등과 비교했을 때, CITEX가 더 세밀한 차별력을 제공한다는 주장을 제시한다.

하지만 논문에는 몇 가지 한계도 존재한다. 첫째, 인용 그래프를 ‘사이클이 없고 상삼각 행렬’이라고 가정했는데, 실제 학술 데이터에서는 재인용(re‑citation)이나 교차 인용이 존재해 완전한 DAG가 아닐 수 있다. 둘째, 공동 저자 간 기여도를 균등하게 나누는 단순 가정은 실제 연구에서 저자 순위나 기여 비율을 반영하지 못한다. 셋째, 실험이 인공 데이터에 국한돼 있어 대규모 실제 데이터셋(예: DBLP, Microsoft Academic Graph)에서의 성능·스케일러빌리티 검증이 부족하다. 넷째, 자기 인용이나 인용 조작을 완전히 방지하지 못한다는 점에서 추가적인 가중치 조정이 필요하다. 마지막으로, 시간적 요소(논문의 연령에 따른 가중치)를 고려하지 않아 최신 논문이 과소평가될 가능성이 있다.

이러한 한계를 보완하기 위해 저자 기여도 가중치, 인용 가중치(인용 논문의 영향력 반영), 그리고 동적 업데이트(시간에 따른 감쇠 함수) 등을 도입한 확장 모델이 제안될 수 있다. 또한, 대규모 실증 연구와 비교 대상 지표(예: Eigenfactor, PageRank‑based 논문 순위)와의 정량적 비교가 이루어진다면 CITEX의 실용성을 보다 명확히 입증할 수 있을 것이다.