Glottometrics

688

微信好友朋友圈 QQ好友复制链接

查看最新文献

WOS期刊分区历年影响因子历年发表同类期刊

影响因子：

期刊影响因子(Impact factor，IF) 即某刊平均每篇论文的被引用数，是表征期刊影响大小的一项定量指标，它实际上是某刊在某年被全部源刊物引证该刊前两年发表论文的次数，与该刊前两年所发表的全部源论文数之比。

0.2

反馈

ISSN：

ISSN是由8个数字组成的编码，旨在识别各种报纸、专业杂志、画报、期刊，无论其性质或载体版本（纸版及电子版）。

print: 1617-8352
on-line: 2625-8226

研究领域：

LINGUISTICS

Gold OA文章占比：

Gold OA文章占比是指一个总体中金色OA文章数量占总体文章数量的比重。OA期刊的文章主要通过金色通道（Gold road，也称为Gold OA，即期刊官网）和绿色通道（Green road，或Green OA）实现开放获取。金色通道是开放获取期刊通过自己的官网来实现的，而绿色通道是通过把文章自存档于机构知识库(Institutional Repositories，比如哈佛大学学术库DASH）或学科知识库中来实现。

0.00%

原创研究文献占比：

100.00%

SCI收录类型：

Emerging Sources Citation Index (ESCI) || Scopus (CiteScore)

期刊介绍英文：

The aim of Glottometrics is quantification, measurement and mathematical modeling of any kind of language phenomena. We invite contributions on probabilistic or other mathematical models (e.g. graph theoretic or optimization approaches) which enable to establish language laws that can be validated by testing statistical hypotheses.

CiteScore：

引用分数（英语：CiteScore，CS）是一种用来反映学术期刊最近发表文章“年平均被引用次数”的衡量指标。该指标由Elsevier于 2016 年 12 月推出，以替代常用的JCR影响因子（由Clarivate计算）。 CiteScore是Scopus中系列期刊指标的一部分，包括 SNIP(源文档标准化影响)，SJR (SClmago杂志排名)，引用文档计数以及引用百分比。

CiteScore	SJR	SNIP	CiteScore排名
0.5	0.178	0.342	学科排名百分位大类：Arts and Humanities 小类：Language and Linguistics 564 / 1088 48% 大类：Social Sciences 小类：Linguistics and Language 646 / 1167 44% 大类：Mathematics 小类：Applied Mathematics 595 / 635 6%

发文信息

WOS期刊分区

WoS-JCR分区：SCIE、SSCI收录期刊主要按影响因子高低被分为四个区（Quartile），分别是Q1区，Q2区，Q3区，Q4区，各占25%。Q1区是影响因子最靠前25%的期刊，Q4区是靠后的25%的期刊。

学科分类
Q4LINGUISTICS

历年影响因子

2023年
0.2000

历年发表

年文章数是指每年6月SCI发布的IF数据中所提供的上一年全年发文数量。如2018年7月-2019年6月，显示的是2017年的发文数.对极少数热门期刊，我们会在1月份更新为最新一年的发文数。

2012年	2013年	2014年	2015年	2016年	2017年	2018年	2019年	2020年	2021年	2022年
17	19	16	19	21	22	30	33	6	0	0

出版国家(地区)：

Germany

出版商：

RAM-Verlag

PubMed链接：

http://www.ncbi.nlm.nih.gov/nlmcatalog?term=1617-8352%5BISSN%5D

Glottometrics - 最新文献

查看全部

Glottometrics

发文信息

WOS期刊分区

历年影响因子

历年发表

同类期刊

Glottometrics - 最新文献

The meaning distributions on different levels of granularity

Fellow or foe? A quantitative thematic exploration into Putin's and Trump's stylometric features

A comparison of two text specificity measures analyzing a heterogenous text corpus