저널들의 중요도를 평가하는 방법으로 임팩트 팩터(Impact factor)외에 아이겐 팩터(Eigenfactor)라는 것이 있다.
선형대수에서의 Eigenvector(고유벡터, 특성벡터)와는 다른 개념이다.
아이겐 팩터(Eigenfactor)는 미국 위싱턴대학교(University of Washington) 생물학과의 예빈 웨스트(Jevin West) 교수와 칼베드스트롬(Carl Bergstrom) 교수에 의해 개발된 알고리즘이다.
Nature의 경우 아이겐팩터가 가장 높다고 알려져 있고, 미국의 국립과학원회보(Proceedings of the National Academy of Sciences; PNAS)가 두번째로 높다고 알겨져 있다.
책은 사람들에게 많이 읽히면 읽힐수록 베스트셀러가 되지만, 연구논문의 경우 많이 인용될수록 학계에서 중요한 논문으로 인정받고 있다.
일반적으로 노벨상 수상자들이 평생 출판한 논문들의 피인용 횟수는 총 5000회를 넘고 있다고 알려져 있다.
아이겐 팩터 점수(Eigenfactor Score)는 전체 논문수에 대한 한 저널의 논문수의 비율을 의미한다.
저명한 저널에 인용되는 것에 가중치를 부여하므로 보다 신뢰성 있는 지표라고 할 수 있다.
Eigenfactor는 Eigenvector 중심성 및 PageRank와 유사하다.상대점수는 높은 점수를 받는 노드에 대한 연결이 낮은 점수를 받는 노드에 대한 동일한 연결보다 해당 노드의 점수에 더 많은 영향이 있다.
Google의 Pagerank와 katz중심성은 고유벡터 중심성을 확장한 개념이다.
그래프 이론에서 고유 벡터 중심성(고유 중심성 or 명성 점수)는 연결된 네트워크에서 노드의 영향력을 측정한다.
출처: .
Wikipedia
위키백과 - 고유벡터 중심성
