那些被引率最高的论文，都有什么共同点？         怎样的论文更容易被引用，每个导师都有自己的看法，但有可能通过量化的方式描述它们的特征吗？一位研究员用机器学习技术分析了 400 篇高被引论文，发现了一些有趣的规律。

         如何有效地提高我的学术论著影响力，这是我在多年的学术生涯中一直认真考虑的问题。获得博士学位后，我开始更详细地研究这个问题。文献读得越多，我就越意识到这些建议有些不完整，有时甚至相互矛盾。鉴于我在机器学习（ML）领域有一定经验，我决定下载一个数据集，看看能不能应用 ML 技术从中挖掘一些信息，并回答一些相关问题。          一篇研究文章的标题应该多长？          在我们看来，标题能够强调论文的整体目的和研究意义，它发挥着至关重要的作用。先前关于这个问题的研究论文一致同意标题长度的重要性，以及标题对读者或引用率的影响。然而，过去的研究并没有明确指出标题应该使用多少词。在浏览各种类型的 Nature 文章时，我们会很快发现这些文章标题都很短，而且切中要害。接下来，我分析了以下四个数据集：        * 2014 年 Nature 上被引率最高的 100 篇论文（根据 Google Scholar 统计）；
       * 2014 年 Web of Science 中被引率最高的 100 篇论文；
       * 2018 年 AltMetric 发布的全球最受关注的 100 篇论文；
       * Multidisciplinary Digital Publishing Institute 网站 2017 年发表的论文中被引率最高的 100 篇。
        数据分析表明，有吸引力的标题具有相对一致的模式，高影响力论文的标题通常较短。具体来说，有吸引力的标题的总长度是 10 个词加减 3 个。在假设“有影响力的标题”常伴随着高引用率的前提下，我通过已发表的数百万篇文章中的 400 篇高引文章（如前文描述）算出了这一范围。有趣的是，有吸引力的标题不一定包含句点或斜线，但是常常使用冒号。         可能吸引读者的标题关键词 也被识别出来，它们是：回顾，癌症，监测，近期，治疗，方法，理论，分析，应用，学习，蛋白质，DNA，多重，新的，联系，健康，研究（review, cancer, monitoring, recent, therapeutic, method, theory, analysis, applications, learning, protein, DNA, multiple, new, association, health, and study）。         一篇文章应该有多少位作者？         我发现被引数和作者数量之间存在相关性，因为高被引论文和低被引论文（的作者数量）之间存在显著差异。与只有一位作者署名的论文相比，多个作者署名的论文似乎从他们的机构、实验室、研究人员和学生那里获得了更多的关注。换言之，每个作者都有自己的圈子，把所有作者的圈子聚集在一起，有相同研究方向的读者数量会增加，进而增加文章被引用的可能性。此外，多位作者署名的论文也可以从自引中获益。直觉上人们也可能会认为，当各种力量联合起来，并且不止一个人对这项工作作出贡献时，研究方法的质量、实验操作的质量、研究经费和论文的质量也会相应提高。         文章多少字符合适呢？         我还发现，高被引论文和低被引论文之间，文章字符数（不包含空格）有显著差异。此外，高被引文章的字符需要超过 33600 个（包括参考文献在内），大约共计 5600 词。这一数字与最具影响力的期刊之一 Nature 接受的词数一致。根据 Nature 最新格式要求，包括参考文献在内，文献字数最多为 6500 字。请注意，Google 指数（H5 指数和 H5 中位数指数）将 Nature 评为 2018 年全球最具影响力的期刊。         文章应该放多少插图？         据我所知，目前的文献还没有对插图的数量进行过调查。根据我的分析结果，高被引论文和低被引论文的图片数量略有不同。分析结果表明，一篇文章中的图越多，被引用的可能性就越大。这可能是因为图表能够快速传递更多的信息，从而帮助读者更快地理解研究结果。开放获取杂志对图的数量不作限制，但是一些其他杂志明确规定了插图数量（这种情况下，可以将多张图合并为一张）。我的分析结果显示，至少需要 6 张图来反映论文的关联程度和影响力，这与 Nature 接受的图的数量相符合。根据 Nature 最新格式要求，展示项（图或表格）的最大数目为 6。         几张表格合适？         和上上个问题一样，据我所知，目前的文献还没有对表格的数量进行过调查。我发现高被引论文和低被引论文之间的表格数量有很大的不同。具体来说，至少需要两张表格来展示研究结果。请注意，这里研究的表格数量与插图数量无关。         使用多少方程式合适？         和上面研究问题相似，据我所知，目前的文献中还没有研究过方程的数目。我发现高被引论文和低被引论文的方程数量没有显著差异。也许这与综述通常比包含方程式的文章更常被引用有关。因此，我们可以根据需要使用方程。         过去关于高阅读量和高引用论文的组成部分的研究解决了一些问题，但并非全部。有时，作者的同行、导师也会给出主观的答案。我的分析研究试图通过客观评估提出建议，这在更彻底全面地研究这一问题迈出了不错的第一步。当然，请注意我在这里提供的建议并不能保证提高被引率。事实上，还有一些更重要的特征可以提高被引用率和整体影响力，比如期刊的声誉、作者的名声、研究工作的原创性、研究主题的重要性、期刊杂志的可获取性（即公开出版还是非公开出版）、文献类型（如文章、综述、通讯等），以及编辑和审稿人的反馈意见质量。