Scholarly knowledge graphs are valuable sources of information in several research fields. Despite the number of existing datasets related to publications and researchers, resource quality, coverage and accessibility are still limited. This article presents the Enhanced Microsoft Academic Knowledge Graph, a large dataset of information about scientific publications and involved entities, and the methods developed to build it. Data includes geographical information, researchers' collaborative networks and movements between institutions, academic-related metrics, and linguistic features. The dataset merges information from several data sources and has high temporal and spatial 7 coverage, allowing several use cases.
Microsoft Academic: A multidisciplinary comparison of citation counts with Scopus and Mendeley for 29 journals
Microsoft Academic是一个免费的引文索引，允许大规模的数据汇集。这种结合使它对科学计量研究很有用。以前的研究发现，它的引用计数往往略大于Scopus，但小于谷歌学术，学科差异。这项研究报告了迄今为止最大和最系统的分析，从不同的专业领域选择了29种大型期刊的172，752篇文章。从2007-2017年发表的文章的Scopus引用计数，Microsoft Academic引用计数和Mendeley读者计数来看，Microsoft Academic发现引用次数略高于Scopus（6%），特别是今年（51%）。它发现引用比Mendeley读者整体（59%）少，今年只有7%。期刊之间的差异可能是由于现场预印本共享文化或期刊政策，而不是广泛的学科差异。
Research on innovation in business and management about China and Latin America: bibliometrics insights using Google Scholar, Dimensions and Microsoft Academic
Large-scale comparison of bibliographic data sources: Scopus, Web of Science, Dimensions, Crossref, and Microsoft Academic
我们提出了一个大规模的比较五个多学科的书目数据源：Scopus，Web of Science，Dimensions，Crossref和Microsoft Academic。该比较考虑了这些数据来源所涵盖的2008-2017年期间的科学文件。Scopus以成对的方式与其他每个数据源进行比较。我们首先分析数据源之间在文档覆盖率方面的差异，例如，重点关注随时间的差异，每个文档类型的差异以及每个学科的差异。然后，我们研究了引文链接的完整性和准确性的差异。根据我们的分析，我们讨论了不同数据源的优点和缺点。我们强调的重要性相结合的全面覆盖的科学文献与一套灵活的过滤器，使选择的文献。
Google Scholar, Microsoft Academic, Scopus, Dimensions, Web of Science, and OpenCitations' COCI: a multidisciplinary comparison of coverage via citations
最近出现了新的引文数据来源，如Microsoft Academic、Dimensions和CrossRef开放DOI-to-DOI引文的OpenCitations Index（COCI）。虽然这些已经与Web of Science（WoS），Scopus或Google Scholar进行了比较，但没有系统的证据表明它们在学科类别之间的差异。作为回应，本文调查了这六个数据源发现的3，073，351篇引文，涉及252个学科类别的2，515篇2006年出版的英语高被引文献，扩展和更新了之前最大的研究。Google Scholar找到了88%的引文，其中许多是其他来源没有找到的，几乎所有的引文都是由其余来源找到的（89%-94%）。在大多数学科类别中也存在类似的模式。Microsoft Academic是第二大引用（占所有引用的60%），包括82%的Scopus引用和86%的Web of Science引用。在大多数类别中，Microsoft Academic比Scopus和WoS发现了更多的引用（分别为182和223个学科类别），但在某些领域存在覆盖差距，例如物理学和一些人文学科类别。在Scopus之后，Dimensions是第四大引文（占所有引文的54%），包括Scopus引文的84%和WoS引文的88%。它在36个类别中发现了比Scopus更多的引用，在185个类别中超过了WoS，并…
The prevalence and impact of university affiliation discrepancies between four well-known bibliographic databases: Scopus, Web of Science, Dimensions, and Microsoft Academic
研究管理者将大学与国际同行进行比较时面临着消除隶属关系歧义的问题。不同的数据库对这一问题采取了不同的方法，它们之间存在差异。文献计量数据源通常会进行消歧过程，将不同的机构名称及其子单位的名称统一起来，以便研究人员可以使用一个统一的名称搜索该机构的所有记录。本研究探讨了在五年的时间里，18所阿拉伯大学的Scopus，Web of Science，Dimensions和Microsoft Academic之间的隶属关系差异。我们证实，数字对象标识符（DOI）是适合提取可比的学术材料跨数据库和量化的隶属关系之间的差异。在任何一个数据库中分配给选定大学的相当大一部分记录在另一个数据库中没有分配给同一所大学。在较大的数据库中，Dimensions和Microsoft Academic的差异比例较高。规模较小、更具选择性的数据库，如Scopus，尤其是Web of Science，往往在更大程度上与其他数据库的隶属关系一致。手动检查隶属关系的差异表明，它们是由缺少隶属关系，统一差异和记录分配到错误的机构的混合物造成的。
Exploring the Effects of Data Set Choice on Measuring International Research Collaboration: an Example Using the ACM Digital Library and Microsoft Academic Graph
The coverage of Microsoft Academic: Analyzing the publication output of a university
这是第一次详细研究微软学术（MA）的覆盖范围。基于一所大学的完整和验证的出版物列表，MA的覆盖率进行了评估，并与两个基准数据库，Scopus和Web of Science（WoS），在个人出版物的水平进行了比较。分析了引文数量，并检查了与数据检索和数据质量相关的问题。编写Perl脚本，根据出版物标题从MA检索元数据。该脚本在GitHub上免费提供。我们发现，MA在很大程度上涵盖了期刊文章、工作论文和会议项目，并且索引了比基准数据库更多的文档类型（例如，工作文件、论文）。MA在涵盖与书籍相关的文档类型和会议项目方面明显超过Scopus和WoS，但在期刊文章方面略落后于Scopus。MA的覆盖范围有利于大多数研究领域的评估文献计量学，包括经济学/商业，计算机/信息科学和数学。然而，MA在人文学科、非英语出版物和开放获取出版物的覆盖方面表现出与Scopus和WoS相似的偏见。MA和基准数据库之间的引文数量的等级相关性很高。我们发现，89.5%的出版物的出版年份是正确的，95.1%的期刊文章的作者人数是正确的。鉴于MA的快速和持续发展，我们得出结论，MA即将成为一个文献计量学的超级大国。然而，对MA元数据质量的全面研究仍然缺乏。
The number of linked references of publications in Microsoft Academic in comparison with the Web of Science
在一项全面的微软学术（MA）研究的背景下，我们在第一步中探索了与Web of Science（WoS）相比MA中链接参考文献数据的质量。链接参考文献是文献计量学的主干，是引文索引中时代被引信息的基础。我们发现，MA和WOS之间的链接参考文献的一致性范围从弱到不存在的完整样本（苏黎世大学的出版物，在MA中的链接参考文献少于50）。对WoS中少于50个链接参考文献的样本进行的分析显示，MA和WoS中的链接参考文献之间存在很强的一致性。
Trans4E: Link Prediction on Scholarly Knowledge Graphs
University of Bonn（波恩大学）；Institute for Applied Informatics (InfAI)（应用信息学研究所（InfAI））；Fraunhofer IAIS（弗劳恩霍夫智能分析与信息系统研究所）；The Open University（开放大学）；University of Cagliari（卡利亚里大学）
