Pubmed citation dataset

The scripts for generating the datasets are available at https://github.com/jokergoo/citation_analysis.

There are three files in this dataset:

1. citations.tab.gz: A table with two columns:

citing: pmid (PubMed ID) of the citing paper

cited: pmid of the cited paper

citing cited
10578099 10578100
10578100 10578099
10590126 10623754
10592169 10592170
10592169 10592175
10592169 10592200

2. pub_meta.tab.gz: A table with 8 columns:

pmid: pmid of the paper.

journal_uid: uid of the paper on PubMed.

pub_year: year of the paper.

n_authors: number of authors.

country: identified country of the paper.

country_type: type of the country identification. Values are `_domestic_`, `_domestic_80_`, `_international_` or `_empty_`. `_domestic_80_` means less than 20% of international authors in the middle of the author list.

file_id: file id on PubMed FTP.

n_references: number of references of the paper.

pmid journal_uid pub_year n_authors country country_type file_id n_references
38566917 101213162 2016 4 United States _domestic_ 1366 2
38567026 9886008 2022 3 United States _domestic_ 1366 12
38567115 101562981 2018 5 United States _domestic_ 1366 6
38567118 101668947 2018 4 United States _domestic_ 1365 0
38567245 101283276 2019 10 United States _domestic_ 1366 16

3. num_cite_country_country.tab.gz: A table with three columns:

country_cited: country of the cited papers.

country_citing: country of the citing papers.

citations: total number of citations.

country_cited country_citing citations
Afghanistan Afghanistan 20
Afghanistan Australia 16
Afghanistan Austria 1
Afghanistan Bangladesh 4
Afghanistan Belgium 3
Afghanistan Brazil 8

本数据集的生成脚本可通过https://github.com/jokergoo/citation_analysis 获取。
本数据集包含三个文件：
1. citations.tab.gz：一张包含两列的数据表：
citing：施引论文的PubMed ID（PMID）
cited：被引论文的PubMed ID
示例数据如下：
citing cited
10578099 10578100
10578100 10578099
10590126 10623754
10592169 10592170
10592169 10592175
10592169 10592200
2. pub_meta.tab.gz：一张包含8列的数据表：
pmid：论文的PubMed ID（PMID）
journal_uid：该论文在PubMed平台上的唯一标识符
pub_year：论文发表年份
n_authors：论文作者总数
country：论文归属国家
country_type：国家标识类型，可选值为`_domestic_`、`_domestic_80_`、`_international_`或`_empty_`。其中`_domestic_80_`指作者列表中段的国际作者占比低于20%。
file_id：PubMed FTP服务器上的文件ID
n_references：论文参考文献总数
示例数据如下：
pmid journal_uid pub_year n_authors country country_type file_id n_references
38566917 101213162 2016 4 美国 _domestic_ 1366 2
38567026 9886008 2022 3 美国 _domestic_ 1366 12
38567115 101562981 2018 5 美国 _domestic_ 1366 6
38567118 101668947 2018 4 美国 _domestic_ 1365 0
38567245 101283276 2019 10 美国 _domestic_ 1366 16
3. num_cite_country_country.tab.gz：一张包含三列的数据表：
country_cited：被引论文所属国家
country_citing：施引论文所属国家
citations：总引用次数
示例数据如下：
country_cited country_citing citations
阿富汗 阿富汗 20
阿富汗 澳大利亚 16
阿富汗 奥地利 1
阿富汗 孟加拉国 4
阿富汗 比利时 3
阿富汗 巴西 8