爬取Google Scholar论文列表，如何利用公开数据进行合著作者分析？

 

Preface

之前同学读研选导师，帮忙参考了一下。我发现有些老师很年轻，但是 Google Scholar 各项数据都高得离谱（主要是 citation 和 h-index ），甚至轻松碾压一些在人口耳的小牛导。直觉上来说这种应该是数据虚高了，我猜测是因为老师之间合作比较多，一篇文章挂好几个老师的名字，而这种成果共享在 gs 上的体现就是，每个人都多了一篇文章。编程学习资料点击免费领取

虽然参与论文即需署名是基本的学术规范，老师们合作并共享成果肯定是没问题的，但是这会导致老师的 gs 数据虚高，进而对学生产生一定误导。因此，我们可以利用 gs 上的公开数据，分析一下老师们的合著情况，比如看看所有论文中，平均每篇文章由多少位老师参与……这些信息可以在我们选导师的时候帮助我们降低噪声，提供一定参考。

原理

要想分析一位老师的合著情况，首先我们需要获取这位老师的所有出版物，可以从 Google Scholar 上爬取该老师的论文列表。得到论文列表之后，我们需要提取出每篇文章的作者，然后对这些作者的出现频次进行排序。最后，就要依靠自己的先验知识来判断了，如果比较熟悉学院里各位老师的话，可以直接认出来哪些人是老师。对于代码实现而言，需要做的就是爬