CiteSeer数据集

聚合数据免费

CiteSeer(又名ResearchIndex)，是NEC研究院在自动引文索引(Autonomous Citation Indexing, ACI)机制的基础上建设的一个学术论文数字图书馆。这个引文索引系统提供了一种通过引文链接的检索文献的方式，目标是从多个方面促进学术文献的传播和反馈。

数据格式：: zip

数据价格：: ￥0.00

¥ 0.00 （zip）

立即下载

咨询

数据介绍 / Introduce

CiteSeer for Document Classification 数据集包含 3312 份科学出版物，分为六类之一。引文网络由 4732 个链接组成。数据集中的每个出版物都由一个 0/1 值的词向量描述，表示字典中相应词的缺失/存在。该词典由 3703 个独特的单词组成。

CiteSeer for Entity Resolution 数据集包含 1504 个机器学习文档，其中包含对 165 个作者实体的 2892 个作者引用。对于此数据集，唯一可用的属性信息是作者姓名。总是给出完整的姓氏，在某些情况下会给出作者的全名和中间名，而其他时候只给出首字母。

在整个语料库中包含3312篇论文，并分为以下六类:

Agents
AI
DB
IR
ML
HCI
论文之间互相引用，在该数据集中，每篇论文都至少引用了一篇其他论文，或者被其他论文引用，也就是样本点之间存在联系，没有任何一个样本点与其他样本点完全没联系。如果将样本点看做图中的点，则这是一个连通的图，不存在孤立点。这样形成的网络有4732条边。在消除停词以及除去文档频率小于10的词汇，最终词汇表中有3703个词汇。每篇论文都由一个3703维的词向量表示，所以，每个样本点具有3703个特征。词向量的每个元素都对应一个词，且该元素只有0或1两个取值。取0表示该元素对应的词不在论文中，取1表示在论文中。

数据列表 / List

《聚合用户服务协议》

我已仔细阅读上述协议，
并确保合法使用此数据，不得用于一切违法行为

我再想想

同意

购买此数据块才能下载，
是否立即购买？

我再想想立即购买

，
是否立即开通会员？

我再想想去开通

数据驱动未来

Data Drives The Future

立即注册

0512-88869195

数据驱动未来

Data Drives The Future

立即注册