国际站 
在查阅期刊或顶级学术会议的影响力数据时，除了大名鼎鼎的“影响因子（Impact Factor）”之外，科研人员越来越频繁地看到一个名为 h5-index（h5指数） 的评价指标。
h5-index 是由谷歌学术计量（Google Scholar Metrics）推出的一项核心评价数据。由于其计算逻辑极为严密，能够有效过滤学术圈常见的“刷分”现象，并且广泛收录了传统数据库容易遗漏的国际学术会议，它正逐渐成为评价学术平台含金量的另一大“硬通货”。
一、 h5-index 的确切定义与计算逻辑
要理解 h5-index，首先需要拆解它的两个组成部分：“h指数”与“5年窗口期”。
-
核心算法（h指数机制）：如果一个出版物的 h 指数为 $h$，意味着该出版物发表的所有文章中，有 $h$ 篇文章每篇至少被引用了 $h$ 次。
-
时间限定（5）：h5-index 将数据统计的范围严格锁定在过去 5 个完整的自然年内发表的文章。
案例推演：
假设某本 SCI 期刊的 h5-index 标注为 85。
这就意味着，在这本期刊过去 5 年发表的所有论文中，排名前 85 的文章，每一篇的被引次数都 $\ge$ 85 次。（而它的第 86 篇文章，引用次数未能达到 86 次）。
补充概念：在 h5-index 旁边，通常还会显示一个 h5-median（h5中位数）。它是指构成 h5-index 的那 $h$ 篇文章中，被引次数的中位数值，用于进一步衡量该期刊顶级文章的真实被引上限。
二、 h5-index 与 影响因子 (IF) 的三大核心区别
为什么在有了影响因子之后，学术界依然高度推崇 h5-index？这是因为两者在底层算法上存在互补关系。
1. 算法抗干扰能力强（拒绝“被平均”）
影响因子（IF）采用的是平均数算法（总引用量除以总发文量）。如果某本普通期刊偶然发表了一篇超级爆款文章（例如新冠疫情期间的一篇综述），获得了几万次引用，这本期刊的影响因子就会在一夜之间暴涨。
h5-index 采用的是阈值算法。哪怕那篇爆款文章被引用了一亿次，它对 h5-index 的贡献也仅仅是“1篇文章”。要提高 h5-index，期刊必须持续发表大量高质量的文章，单靠一篇爆款根本无法拉高该指数。这使得 h5-index 的水分极小。
2. 考核窗口期更长（5年 vs 2年）
影响因子只考察前 2 年的文章在第 3 年的引用表现，这对于那些需要长时间发酵的交叉学科或传统基础理论学科（如数学、地质学）非常不利。h5-index 采用 5 年的考核期，能够更客观地反映一项科研成果的长期、真实影响力。
3. 全面覆盖学术会议（计算机领域的福音）
科睿唯安的 JCR 影响因子系统几乎只针对传统的学术期刊。而对于计算机科学（CS）领域而言，最核心的研究成果往往首发于顶级学术会议（如 CVPR、ACL、NIPS）。谷歌学术的 h5-index 毫无偏见地将这些国际会议纳入了评价体系。如今，查阅各大顶会的 h5-index，已经成为计算机领域学者评估会议级别的重要依据。
三、 科研人员如何应用 h5-index？
在实际的科研工作与论文投稿中，h5-index 提供了一个极佳的“交叉验证”视角：
-
识别“虚胖”期刊：如果一本期刊的 IF 影响因子极高（例如高达 10.0），但其 h5-index 却非常低（比如只有 20 左右），这意味着该期刊的极高影响因子大概率是由极个别高引文章撑起来的，其常规论文的受关注度其实很差，投稿需谨慎。
-
会议选投参考：在计算机或工程领域投递会议论文时，除了参考 CCF 推荐目录和 CORE Rank 外，直接在 Google Scholar 检索该会议近年的 h5-index 排名，能够最直观、最实时地判断该会议在当前国际学术圈的热度与真实含金量。