Когда писал диссертацию, мне не нравилось работать с цитированием: у ссылок миллион разных форматов, и искать статью по названию или автору было напряжно. А еще было неясно, какие статьи важны для области, а какие не очень, получалось полуслучайное блуждание по статьям, а хотелось чего-то вроде PageRank для ранжирования по определенному направлению.

Даже были мысли самостоятельно что-то напрограммировать для решения проблемы, но сначала руки не доходили, а потом уже и задача для меня актуальность потеряла. При этом у проблемы есть масса “оттягчающих” факторов:

  1. Для статей нет единой базы.
  2. Нет единого ID — самое близкое — DOI, но он присвоен не всем статьям, две разные работы могут иметь один DOI (например, доклады в сборнике докладов с конференции), одна (фактически) работа может иметь разные DOI (доклад/статья/препринт).
  3. Нет машиночитаемого формата — даже нет единого стандарта по оформлению списка источников (и нюансы могут зависеть от журнала). В BibTex базах (которых тоже несколько) никакой нормализацией вообще не пахнет.

Случайно наткнулся на сервис ConnectedPapers, который вроде как позволяет строить взвешенный граф цитирования и как-то внятно работать с данными, но даже этот инструмент имеет проблемы: граф не ориентированный, да и есть сомнения, что решена проблема с несколькими базами цитирований. Чуть позже нашел еще LitMaps, но там функциональность очень куцая. Печально, что при одинаковом вводе даже список связанных статей отличается — например, в ConnectedPapers нет моей же статьи 2014 года, а в LitMap — моей статьи 2018 года (точнее она как бы есть, но ее надо специально искать). В общем, какой-то прогресс как будто есть, но до хорошего решения еще неблизко…