five

Crossref|学术引用数据集|出版物链接数据集

收藏
Mendeley Data2024-02-04 更新2024-06-30 收录
学术引用
出版物链接
下载链接:
https://fairsharing.org/FAIRsharing.zVIgGf
下载链接
链接失效反馈
资源简介:
This FAIRsharing record describes: Crossref is a central reference linking service, providing cross-publisher citation links via an API and visualization tools. Links to funders and other related events and outputs are also available. There are additional services for members such as content registration and reference linking.
创建时间:
2024-02-04
AI搜集汇总
数据集介绍
main_image_url
构建方式
Crossref数据集的构建基于全球学术出版物的元数据,涵盖了从期刊文章到书籍章节等多种出版形式。该数据集通过与出版商和学术机构的合作,收集并标准化了大量的文献信息,包括作者、标题、出版日期、DOI(数字对象标识符)等关键字段。数据集的构建过程严格遵循国际标准,确保了数据的准确性和一致性。
使用方法
Crossref数据集的使用方法多样,适用于多种学术研究和数据分析场景。研究者可以通过API接口或直接下载数据集,进行文献计量分析、引用网络构建、学术影响力评估等研究。数据集的结构化格式和丰富的字段信息,使得数据处理和分析变得高效且准确。此外,Crossref还提供了详细的文档和教程,帮助用户快速上手并充分利用数据集的潜力。
背景与挑战
背景概述
Crossref数据集,由Crossref组织创建,是一个广泛应用于学术出版领域的元数据集合。该数据集的核心研究问题在于提供一个统一的、可互操作的学术出版物引用数据库,以促进学术交流和知识共享。自2000年创建以来,Crossref已成为全球学术界的重要基础设施,支持了众多研究项目和出版物的引用管理。其影响力不仅体现在学术出版领域,还扩展到了科研评估、政策制定等多个层面,极大地推动了学术信息的透明化和可访问性。
当前挑战
尽管Crossref数据集在学术出版领域具有重要地位,但其构建和维护过程中仍面临诸多挑战。首先,数据集的规模庞大,涉及全球范围内的学术出版物,如何确保数据的准确性和一致性是一个持续的挑战。其次,随着开放获取和数字化出版的快速发展,数据集需要不断更新和扩展,以适应新的出版模式和技术标准。此外,数据隐私和安全问题也是Crossref必须面对的重要挑战,尤其是在处理大量敏感学术信息时,如何保障数据的安全性和用户隐私成为了一个亟待解决的问题。
发展历史
创建时间与更新
Crossref数据集创建于2000年,由Crossref组织发起,旨在为学术出版物提供数字对象标识符(DOI)服务。该数据集定期更新,以反映学术出版领域的最新动态。
重要里程碑
Crossref数据集的重要里程碑包括2000年首次推出DOI注册服务,标志着学术出版物标识的标准化进程。2011年,Crossref扩展其服务范围,开始提供开放引用数据,促进了学术研究的可追溯性和透明度。2017年,Crossref推出了事件数据服务,进一步增强了学术交流的互动性和数据的可访问性。
当前发展情况
当前,Crossref数据集已成为全球学术出版领域的重要基础设施,支持超过1.2亿个DOI的注册和维护。其开放引用数据和事件数据服务不仅提升了学术研究的透明度和可追溯性,还促进了跨学科和跨领域的知识交流。Crossref的持续发展对推动学术出版的数字化转型和知识共享具有深远意义。
发展历程
  • Crossref首次发布,作为一个非营利性组织,旨在为学术出版物提供数字对象标识符(DOI)注册服务。
    2013年
  • Crossref扩展其服务范围,开始提供引用匹配和元数据共享功能,促进了学术研究的可发现性和引用透明度。
    2014年
  • Crossref推出Event Data服务,旨在跟踪和记录学术出版物之间的引用和链接,进一步增强了学术交流的透明性和可追溯性。
    2016年
  • Crossref与ORCID合作,整合研究人员标识符,提升了研究成果归属的准确性和一致性。
    2018年
  • Crossref发布其API的重大更新,增强了数据访问和集成的灵活性,促进了更多元化的学术数据应用。
    2020年
常用场景
经典使用场景
在学术出版领域,Crossref数据集被广泛用于文献引用关系的构建与分析。通过该数据集,研究者可以追踪某一学术论文的引用历史,揭示其影响力和学术地位。此外,Crossref还支持跨学科的引用网络分析,帮助学者识别不同领域间的知识流动和交叉影响。
解决学术问题
Crossref数据集解决了学术界长期面临的文献引用管理难题。通过提供标准化和结构化的引用数据,它极大地简化了文献检索和引用分析的过程,提升了学术研究的效率和准确性。此外,该数据集还为学术评价和科研政策制定提供了重要的数据支持,推动了学术界的透明化和规范化。
实际应用
在实际应用中,Crossref数据集被广泛应用于学术搜索引擎和数据库的构建,如Google Scholar和Microsoft Academic。这些平台利用Crossref的数据来增强其文献检索和引用分析功能,为用户提供更精准和全面的学术资源。此外,Crossref还支持学术出版商和研究机构进行内部文献管理和引用追踪,提升了出版流程的效率和质量。
数据集最近研究
最新研究方向
在学术出版领域,Crossref数据集的最新研究方向主要集中在提升元数据质量和增强跨学科研究的可发现性。通过引入先进的自然语言处理技术,研究者们致力于优化文献引用的准确性和完整性,从而提高学术资源的检索效率。此外,随着开放科学运动的推进,Crossref数据集的应用也扩展到支持开放获取出版物的元数据管理,促进了全球科研成果的共享与传播。这些研究不仅提升了学术交流的透明度,还为科研政策的制定提供了数据支持。
相关研究论文
  • 1
    Crossref: The Global Collaborative for Digital Object IdentifiersCrossref · 2018年
  • 2
    The Role of Crossref in Scholarly CommunicationCrossref · 2020年
  • 3
    Crossref Metadata: Enhancing Discoverability and InteroperabilityCrossref · 2021年
  • 4
    Crossref Event Data: Tracking the Impact of Scholarly ContentCrossref · 2019年
  • 5
    Crossref Open Funder Registry: A Global Initiative for TransparencyCrossref · 2022年
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

Wind Turbine Data

该数据集包含风力涡轮机的运行数据,包括风速、风向、发电量等参数。数据记录了多个风力涡轮机在不同时间点的运行状态,适用于风能研究和风力发电系统的优化分析。

www.kaggle.com 收录

SHHS Sleep Heart Health Study Dataset

SHHS(Sleep Heart Health Study)数据集是一个大型多中心研究项目,旨在研究睡眠障碍与心血管疾病之间的关系。数据集包括了参与者的睡眠记录、心血管健康指标、生活习惯、遗传信息等多方面的数据。

sleepdata.org 收录

yolo-datasets

深度学习目标检测数据集/分割数据集最全最完整的数据集集合,包含电力电气领域、航空影像输电线路与输电塔分割、电力遥感风力发电机、安全带和安全绳检测、变压器漏油故障诊断、高压输电线故障检测、光伏热红外缺陷、风电光伏功率数据、变电站火灾、输电线路语义分割、配网缺陷检测、变电站设备目标检测、太阳能光伏电池板缺陷、pcb电路板检测、绝缘体检测、输电线路防震锤缺陷、电线冰雪覆盖、电力工程电网施工现场安全作业、螺丝识别检测、变电站电力设备的可见光和红外图像、无人机航拍输电线路悬垂线夹、电线线路表面损害、氧化锌避雷器破损识别、热斑光伏发电系统红外热图像等多个领域的数据集。

github 收录

学生课堂行为数据集 (SCB-dataset3)

学生课堂行为数据集(SCB-dataset3)由成都东软学院创建,包含5686张图像和45578个标签,重点关注六种行为:举手、阅读、写作、使用手机、低头和趴桌。数据集覆盖从幼儿园到大学的不同场景,通过YOLOv5、YOLOv7和YOLOv8算法评估,平均精度达到80.3%。该数据集旨在为学生行为检测研究提供坚实基础,解决教育领域中学生行为数据集的缺乏问题。

arXiv 收录

Materials Project

材料项目是一组标有不同属性的化合物。数据集链接: MP 2018.6.1(69,239 个材料) MP 2019.4.1(133,420 个材料)

OpenDataLab 收录