Experimental AI corpus from OpenAlex

A corpus of AI research from OpenAlex. Includes: A works csv table with metadata about AI papers An authorships csv table with information about the authors An institutions csv table with information about institutions A concepts csv table with information about concepts in works A concepts json with the OpenAlex concept taxonomy An abstracts json with deinverted abstracts Steps that we followed in the creation of the dataset: Collected all works tagged with the high level AI concept in OpenAlex Applied various filters to the data mostly with the goal of removing false positives Decomposed the data into a linked collection of tables See here for additional information: https://github.com/nestauk/ai_genomics本数据集为来自OpenAlex的人工智能研究语料库。包含以下内容：一份包含人工智能论文元数据的作品（works）CSV表格；一份包含作者相关信息的作者归属（authorships）CSV表格；一份包含所属机构相关信息的机构（institutions）CSV表格；一份包含论文中学科概念相关信息的概念（concepts）CSV表格；一份包含OpenAlex学科分类体系的概念（concepts）JSON文件；一份包含反序列化后摘要的摘要（abstracts）JSON文件。数据集构建流程如下：1. 在OpenAlex中采集所有被标记为高层次人工智能学科概念的研究作品；2. 对数据集应用多种过滤手段，核心目标为剔除假阳性样本；3. 将处理后的数据拆分为相互关联的表格集合。更多相关信息可查阅：https://github.com/nestauk/ai_genomics

搜集汇总

背景与挑战

背景概述

该数据集是一个来自OpenAlex的AI研究语料库，包含论文元数据、作者、机构、概念及摘要等多表关联的结构化数据，并通过过滤和分解处理以提高数据质量。