Open-access Multilingual Scientific Documents (OpenMSD)
收藏arXiv2025-09-30 收录
下载链接：
https://unpaywall.org/products/snapshot
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含了7400万篇论文，涵盖103种语言，以及7.78亿个引用对，旨在用于衡量多语言科学文献的相似度。此外，该数据集中包含了多种引用关系，并以英语论文为主，占文档总数的88%。其规模宏大，包含7400万篇论文和7.78亿个引用对的任务，旨在对多语言科学文献的相似度进行精确测量。
This dataset comprises 74 million academic papers spanning 103 languages and 778 million citation pairs, designed to accurately measure the similarity of multilingual scientific literature. It incorporates diverse citation relationships and is dominated by English-written papers, which account for 88% of the total number of documents.
提供机构：
Unpaywall and CrossRef
