links.bulk.csv

Using a web scraper, we checked the status of internet links detected in scientific papers.<br><br>The data schema is detailed below:<br>* type - In which part of the manuscript the link was found.<br>* journal - Title of the journal where the paper was published.<br>* id - Pubmed's primary identifier for the paper.<br>* year - When the paper was published.<br>* link - URL parsed from the manuscript text.<br>* code - HTTP/FTP status code returned when trying to access the URL. (-1 indicates a timeout.)<br>* flag.uniqueness - Whether the link appears only once in the data. '0' means it is unique.<br>* newtest - The protocol used to determine the status code in our revised pipeline. Only listed for links that were reevaluated.<br>* oldcode - The status recorded for this link prior to the pipeline revision. Only listed for links that were reevaluated.

本研究借助网络爬虫（web scraper）工具，对学术论文中检测到的互联网链接的可用性状态开展了校验工作。

数据集结构详情如下：
* 类型（type）：该链接在论文手稿中的出现位置。
* 期刊（journal）：论文发表所在期刊的全称。
* 编号（id）：该论文在PubMed中的核心唯一标识符。
* 发表年份（year）：论文的正式发表年份。
* 链接（link）：从论文手稿文本中解析得到的统一资源定位符（URL）。
* 状态码（code）：尝试访问该URL时返回的超文本传输协议（HTTP）/文件传输协议（FTP）状态码。其中-1代表访问超时。
* 唯一性标记（flag.uniqueness）：该链接在当前数据集中是否仅出现一次，'0' 表示该链接为唯一链接。
* 重新测试协议（newtest）：在修订后的处理流程中，用于确定该链接状态码所采用的协议。该字段仅对经过重新评估的链接进行展示。
* 旧状态码（oldcode）：在处理流程完成修订前，该链接被记录的原始状态码。该字段仅对经过重新评估的链接进行展示。