科研诚信是科技创新的基石。近年来“论文工厂”通过批量生产学术赝品，严重侵蚀科研生态。传统检测方法依赖人工审查与文本相似度分析，难以应对规模化、隐蔽化的造假手段。

JDIS最新研究提出PDCN模型，通过融合论文标题语义与引用网络结构特征，实现对“论文工厂”论文的自动化检测，准确率突破81%，为学术出版平台与科研管理机构提供了全新工具。

创新一：构建用于识别论文工厂的引文网络异构图

核心思路是创建一个包含论文、期刊、出版商等信息的引文网络异构图，并利用图神经网络模型和分类器对论文节点进行分类。

研究团队从Retraction Watch数据库获取1800篇确认为“论文工厂”的论文，通过OpenCitations渠道抓取其引用关系，最终得到了具有完整元数据的节点及其相关边的816篇“论文工厂”论文。基于这些数据构建了一个包含500万节点、1100万边的引文网络异构图。

根据多类节点，设计6类元路径（如“论文-期刊-论文”“论文-出版商-论文”）捕捉三类典型引用操控模式：

• 循环互引：同一期刊论文相互引用

• 无关引用：论文引用与主题无关的文献

• 集群引用：批量论文集引用特定文献群

Dataset Construction Process

图1. 数据集构建过程

创新二：PDCN模型架构

文本特征提取模块：用KeyBert提取标题关键词，经BERT编码生成语义向量

异构图注意力网络模块：分层聚合节点邻域信息，区分不同元路径的影响，获得最优加权组合

分类决策模块：LGBM分类器融合文本与结构特征，识别异常论文

The framework of our proposed PDCN model.

图2. PDCN模型框架图

PDCN 模型可高效识别“论文工厂”论文

效能突破

在包含816篇“论文工厂”论文的引用网络异构图上，PDCN模型准确率达81.85%，F1分数为80.49%，较传统图神经网络模型（RGCN、HGT等）提升超30%。

可解释性

可以基于元路径和邻居节点的权重，对模型的判断提供科学解释。

随着PDCN模型代码与数据集的公开，学界可进一步优化检测算法，共同抵御“论文工厂”。欢迎阅读原文，深入了解这一创新模型的详细内容和实验分析。

Research Papers

A paper mill detection model based on citation manipulation paradigm

基于引用操控模式的论文工厂检测模型

Jun Zhang¹, Jianhua Liu², Haihong E^1†, Tianyi Hu¹, Xiaodong Qiao², ZiChen Tang¹

¹School of Computer Science (National Model Software School), Beijing University of Posts and Telecommunications, China;

²Beijing Wanfang Data Co., Ltd. China

DOI: 10.2478/jdis-2025-0003 

CSTR: 32295.14.jdis-2025-0003

识别阅读全文