科学资源与知识服务组件的精确画像

知识产权资源画像与演化规律研究

Research on Intellectual Property Resource Profile and Evolution Law

Beijing Key Laboratory of Intelligent Communication Software and Multimedia（智能通信软件与多媒体北京重点实验室）；School of Computer, Beijing University of Posts and Telecommunications（北京邮电大学计算机学院）；Beijing University of Posts and Telecommunications（北京邮电大学）

大数据时代下，面向知识产权的科技资源利用遇挑战，挖掘隐藏信息需求增。本文梳理知识产权资源画像构建方法及前期工作，含属性实体提取等，明确未来方法改进方向。

2026-07-14cs.AIcs.DLcs.LG

面向基于云的服务，用于维护和分析有关科学事件的数据

Towards a Cloud-Based Service for Maintaining and Analyzing Data About Scientific Events

我们提出了新的基于云的服务OpenResearch，用于以持久和可靠的方式管理和分析有关会议和研讨会等科学活动的数据。这包括有关科学文章，参与者，接受率，提交数量，影响值以及组织细节的数据，如计划委员会，主席，费用和赞助商。OpenResearch是一个科学活动的集中存储库，支持研究人员以结构化的方式收集、组织、分享和传播有关科学活动的信息。目前正在开发的另一项功能是可以将网页连同提取的语义数据存档，以减轻公共研究机构维护新旧会议网站的负担。然而，主要的优势是这个基于云的存储库可以对会议数据进行全面分析。基于提取的语义数据，可以确定质量估计，科学界，研究趋势以及接受率，费用和参与者数量的发展，并以持续的方式补充对未来的预测。此外，可以使用基于内容的分析以及引用链接来系统地探索有关研究文章的数据。在这个众包平台中维护的所有数据都可以通过一个开放的SPARQL端点免费获取，该端点允许以灵活和用户定义的方式进行分析查询。

2017-11-28cs.DL

FOXDEN：面向AI就绪型科学数据集的FAIR服务

FOXDEN: FAIR Services for AI-Ready Scientific Datasets

Cornell High Energy Synchrotron Source, Cornell University（康奈尔高能同步辐射光源，康奈尔大学）；National High Magnetic Field Laboratory（国家高磁场实验室）

该研究介绍了FOXDEN这一基于FAIR原则的网络基础设施，可对科学数据集添加元数据与溯源记录并分配DOI，已在两处机构部署，将为未来智能体科学工作流提供基础。

2026-09-07cs.DL

ACL-Fig：一个用于科学图形分类的数据集

ACL-Fig: A Dataset for Scientific Figure Classification

The Pennsylvania State University（宾夕法尼亚州立大学）；Old Dominion University（奥多明尼昂大学）

大多数现有的大型学术搜索引擎都是建立在检索基于文本的信息。然而，没有大规模的科学图表检索服务。这些服务的一个挑战是理解科学人物的语义，例如他们的类型和目的。一个关键的障碍是需要包含注释的科学数字和表格的数据集，然后可以用于分类，问答和自动字幕。在这里，我们开发了一个从科学文献中提取数字和表格的管道，以及一个基于深度学习的框架，该框架使用视觉特征对科学数字进行分类。使用这个管道，我们构建了第一个大规模自动注释语料库ACL-Fig，由从ACL Anthology中的约56 K研究论文中提取的112，052个科学数字组成。ACL-Fig-Pilot数据集包含1，671个手动标记的科学数字，属于19个类别。该数据集可在CC BY-NC许可下在https://huggingface.co/datasets/citeseerx/ACL-fig上访问。

2023-01-28cs.AIcs.CVcs.DL

将基于网络的制图服务与科学数据库连接起来：通过地理空间接口对模拟数据进行协作管理和检索

Connecting web-based mapping services with scientific data repositories: collaborative curation and retrieval of simulation data via a geospatial interface

越来越多的科学数据可以通过Figshare和Zenodo提供的在线存储库轻松获取。特别是地球科学模拟产生了大量的数据，几个研究小组研究了世界上许多往往重叠的地区。在研究特定领域时，能够跟踪自己的模拟以及合作者的模拟可能具有挑战性。本文介绍了一种新的工具，通过基于Web的谷歌地图界面的可视化编目和检索与给定的地理位置相关的数据的设计，实施和评估。每个数据存储库在地图上都有一个基于数据集对应的地理位置的标记。通过单击标记，用户可以快速检查存储库的元数据并下载相关的数据文件。该方法的关键在于能够通过一个公共接口轻松地从多个源查询和检索数据。虽然在科学数据储存库方面取得了许多进展，但这一新工具的开发揭示了本文讨论的当前最先进技术的几个问题和局限性，以及未来的一些想法。

2016-09-21cs.DL

大语言模型（LLMs）进行解释，嵌入（Embeddings）进行组织，图（Graphs）浮现：智能体驱动的科学知识编译

LLMs Interpret, Embeddings Organize, Graphs Emerge: Agent-Driven Compilation of Scientific Knowledge

Capital Normal University（首都师范大学）；Putian University（莆田大学）

本研究在ASKS系统中实现智能体驱动的科学知识编译，通过LLM生成维基视图与语义、嵌入及图规则整合变更，编译56篇论文得到可追溯研究画像，图内容关联原始来源记录。

2026-09-01cs.AIcs.DLcs.IR

在研究资助数据库上提供科学影响力分析服务

Delivering Scientific Influence Analysis as a Service on Research Grants Repository

研究补助金在世界范围内播种和促进基础研究项目方面发挥了重要作用。人们对开发和提供科学影响力分析作为研究经费库服务的需求越来越大。这样的分析可以提供关于研究资助如何帮助促进新的研究合作，鼓励跨组织合作，影响新的研究趋势，并确定技术领导的见解。本文介绍了一个基于赠款的科学影响力分析服务的设计和开发，被称为GImpact。它需要一个图论的方法来设计和开发一个大型的研究资助库与三个原始的贡献大规模的科学影响力分析。首先，我们挖掘的赠款数据库，以确定和提取重要的功能，赠款影响力分析和表示这些功能，使用图论模型。例如，我们提取了一个机构图和多个相关的基于方面的协作图，包括一个学科图和一个关键字图。其次，我们引入了自我影响和共同影响的算法来计算两种类型的合作关系得分的基础上的赠款的数量和类型的赠款机构。我们计算的自我影响分数，以反映机构之间的研究合作，并计算多个共同影响分数，以模拟不同类型的跨机构的合作关系的学科和学科领域。第三，我们通过引入自我影响力得分和多个共同影响力得分的加权和来计算每对机构的总体科学影响力得分，并进行基于影响力的聚类分析。我们使用一个真实的赠款数据库来评估GImpact，该数据库由2512个机构及其在14年内获得的赠款组成。

2019-08-23cs.DLcs.SIphysics.soc-ph

从神经科学的角度对知识库和科学网关的建议

Recommendations for repositories and scientific gateways from a neuroscience perspective

存储库和科学网关等数字服务已成为神经科学界的关键资源，但用户通常很难在服务环境中定位自己，以找到最适合他们特定需求的服务。INCF（国际神经信息学协调机构）已经制定了一套建议和相关标准，用于选择或建立和运行一个存储库或科学网关，旨在为神经科学界提供公平的神经科学视角。这些建议将神经科学作为其主要用例，但通常是通用的。考虑到研究人员和储存库提供者以及科学网关的观点，这些建议协调和补充了关于储存库标准和最佳做法的现有工作。这些建议涉及一系列重要领域，包括无障碍、许可证发放、社区责任以及服务的技术和财政可持续性。

2022-01-03cs.CYcs.DLq-bio.NC

ERMrest：基于Web的面向数据协作的实体关系数据存储服务

ERMrest: an entity-relationship data storage service for web-based, data-oriented collaboration

科学发现越来越依赖于科学家获取、整理、整合、分析和共享大量不同数据集的能力。虽然细节因领域而异，但这些数据通常由各种数字资产（例如图像文件，序列数据或模拟输出）组成，这些数字资产以复杂的关系和上下文组织，这些关系和上下文可能会在调查过程中演变。此外，发现通常是协作的，使得数据及其组织上下文的共享是高度期望的。用于管理文件或资产元数据的常见系统隐藏其固有的关系结构，而传统的关系数据库系统不扩展到科学调查中常见的分布式协作环境。为了解决这些问题，我们引入了ERMrest，一个协作的数据管理服务，它允许一般的实体关系建模的RESTful访问方法操纵的元数据。我们提出的设计标准，架构和服务的实现，以及描述一个生态系统的工具和服务，我们已经创建的元数据集成到一个端到端的科学数据生存周期。ERMrest已部署到多个科研社区和项目的数百名用户。我们提出了两个有代表性的用例：一个国际联盟和一个早期的多学科研究项目。

2016-10-19cs.DBcs.DCcs.DL

本体服务中心：本体应用的数据中心

Ontology Service Center: a datahub for ontology application

随着面向数据的人文科学研究的发展，大量的研究数据集已经通过Web服务创建和发布。然而，如何发现、集成和重用这些分布的异构研究数据集是一个具有挑战性的任务。本体是系列数字人文资源的灵魂，它为人们发现和理解这些数据集提供了一个很好的途径。随着越来越多的关联开放数据和知识库的发布，大量的本体也随之产生。这些本体具有不同的发布格式、消费模式和交互方式，不利于用户对数据集的理解和本体的重用。本体服务中心平台由本体查询中心和本体验证中心组成，主要采用关联数据和基于本体的技术。本体查询中心实现了本体发布、查询、数据交互和在线浏览等功能，本体验证中心则可以验证关联数据集中某个本体的使用状态。论文的实证部分以孔子肖像为例，说明了OSC如何应用于图像的语义标注。总之，本文的目的是构建本体的应用生态，以促进知识图谱的发展和本体的传播。

2021-08-12cs.DL

基于OAI-PMH的协同作者网络生成Web服务

An OAI-PMH-based Web Service for the Generation of Co-Author Networks

我们将提出一个新的组成部分，我们的技术框架，建立了一个带来的范围内的可重用的Web服务，以增强典型的科学检索过程。建议的组件计算作者在合著网络中的中间性，这些网络是从使用OAI-PMH收获的公开可用的元数据中提取的。

2013-01-27cs.DL

利用OAI收集的开放数据构建自定义术语建议Web服务

Building Custom Term Suggestion Web Services with OAI-Harvested Open Data

同样的信息需求可以用不同的方式表达，这一问题在科学文献中尤为突出。每个科学学科都有自己的特定领域的语言和词汇。这种语言被编码到文档工具中，如用于记录和描述科学文档的叙词表或分类。当我们认为信息检索“从根本上说是一个语言过程”时（Blair，2003），用户必须知道最相关的搜索词--这些词是描述文档的受控叙词表词。这可以通过所谓的搜索词查询器（STR）来实现，该搜索词查询器将非专业用户的自由搜索词映射到受控词汇表词，然后可以将其用作术语建议或进行自动查询扩展（Hienert，Schaer，Schaible，& Mayr，2011）。像DSpace或EPrints这样的最先进的存储库软件系统已经在搜索或输入表单中提供了某种术语建议功能，但这些实现只能作为简单的自动完成机制，不包含任何类型的语义映射。如果能够免费提供拟议的特定领域可疑交易报告等工具，这类软件系统将在可用性和数据一致性方面大有收获。我们的目标是实现一个丰富的Web服务工具箱（如上述特定领域的STR），以支持在线数字图书馆（DL）或存储库系统的用户和提供商。

2012-03-26cs.DL

我们可以依靠社交媒体吗？第一次深入了解社交媒体的积极学术使用

Can We Count on Social Media Metrics? First Insights into the Active Scholarly Use of Social Media

衡量研究影响力对于学术搜索引擎中的出版物排名和研究评估都很重要。社交媒体指标或altmetrics衡量基于社交媒体活动的科学工作的影响。Altmetrics是传统的基于引用的指标的补充，例如，允许评估引用尚未提供的新出版物。尽管altmetrics的重要性越来越大，但它们的特点并没有得到很好的理解：到目前为止，还没有研究什么样的研究人员正在积极使用哪些社交媒体服务以及为什么-这是科学影响预测的重要问题。基于对3，430名科学家的调查，我们发现了社交媒体服务之间以前未知的显著差异：我们分别确定了吸引年轻和有经验的研究人员的服务，并检测了使用动机的差异。我们的研究结果有直接的影响未来的设计altmetrics科学的影响预测。

2018-04-08cs.DLcs.SI

科学影响的数量与质量：两种书目数据来源的分析

Scientific impact quantity and quality: Analysis of two sources of bibliographic data

试图理解任何科学家的活动在科学的长期轨迹中的后果是科学哲学中最困难的问题之一。由于科学出版物在现代科学事业中发挥着核心作用，文献计量学技术将单个出版物的“影响”作为其从后续作者那里收到的引用数量的函数来衡量，为这个问题提供了一些最有用的经验数据。直到最近，Thompson/ISI一直是影响分析所需的大规模"倒置“书目数据的唯一来源。2004年底，谷歌推出了一项新的服务，GoogleScholar，使大部分相同的数据可用。在这里，我们分析了203篇出版物，被其他4000多篇出版物引用。我们发现这两个服务提供的数据引用计数之间惊人的一致性。跨系统的数据质量进行了分析，并考虑了潜在的有用的互补性。这种数据的多个来源提供的额外的鲁棒性有望增加这些测量的效用，因为开放引用协议和开放获取增加了它们对电子科学出版实践的影响。

2005-04-11cs.DLcs.IR

支持科研的集成化信息系统的设计与实现

Design and Implementation of an Integrated Information System to Support Scientific Research

研究活动的计算机化导致创建了大型专业信息资源、平台、服务和软件，以支持科学研究。但是，它们的缺陷不允许充分实现对科学活动的全面支持，并且缺乏一个单一的切入点来划分科学共同体中分散的群体利益。本文在分析现有的解决方案和方法的基础上，各种类型的科学活动的信息和通信技术的工具，并考虑到研究生命周期提出和制定的基本原则，设计和实施一个集成的信息系统，以支持科学研究。

2015-04-19cs.CYcs.DLcs.SI

大学环境中科学写作的技术和实用书目协会

Technologie et pratiques bibliographiques associées à l'écriture scientifique en milieu universitaire

观察和了解用户的科学和技术信息，准备为他们提供适当的服务。这项探索性的研究提供了有关在人文科学，社会科学以及技术科学的使用的答案。我们还观察到那些协助教师进行科学研究的人：图书馆员。然后，我们概述的考虑因素和建议，以指定一个有效的电子Linrary的功能。

2012-02-06cs.DL

Google Scholar的探索性研究

An exploratory study of Google Scholar

本文对Google Scholar（GS）科学检索服务进行了分析和讨论。重点是一项探索性研究，调查科学期刊的覆盖面在GS。研究表明，GS指数的覆盖面和及时性方面存在不足。此外，该研究指出了哪些Web服务器是最重要的数据提供者，这种搜索服务和信息源的高度代表性。我们可以发现，谷歌学者对德国文学的覆盖率存在相对较大的差距，开放获取内容的可访问性也存在弱点。关键词：搜索引擎，数字图书馆，万维网，连续出版物，电子期刊

2007-07-24cs.DLcs.IR

基于大语言模型的信息抽取以支持科学文献研究与出版工作流

LLM-Based Information Extraction to Support Scientific Literature Research and Publication Workflows

针对学术出版物增长带来的知识管理需求，本研究在NFDIxCS项目下开发基于LLM上下文学习的科学文献概念抽取系统，聚焦BPM领域，具备快速领域适配能力，经LLM性能评估与用户反馈收集，将支撑文献综述、概念检索及知识图谱集成等服务。

2025-10-06cs.DL

培育数据社区——来自数据存档服务提供者的视角

Fostering Data Communities -- perspective from a Data Archive Service Provider

本文以DANS-KNAW及其生命科学数据站为案例，探讨数据存档服务提供者如何在观察研究需求与前瞻性提供解决方案之间权衡，揭示其在数据社区形成过程中既支持又塑造的双重作用。

2025-02-04cs.DL

自我主权认同：系统评价、定位与分类

Self-Sovereign Identity: A Systematic Review, Mapping and Taxonomy

自我主权身份（SSI）是一种以用户为中心的身份模型。用户在这个模型中维护和控制他们的数据。当服务提供商向用户请求数据时，用户直接将其发送给服务提供商，绕过第三方中介。因此，SSI减少了身份提供者在识别、认证和授权中的参与，从而增加了用户隐私。此外，用户可以与服务提供商共享其个人信息的一部分，从而显著改善用户隐私。这一身份模式引起了全世界研究人员和组织的关注，导致关于这一主题的科学和非科学文献都有所增加。本研究对文献进行了全面而严格的系统回顾，并对SSI的理论和实践进展进行了系统的映射。我们确定并分析了来自审查材料的证据，以解决四个研究问题，从而产生了一种用于分类和审查出版物的新型SSI分类法。此外，开放的挑战进行了讨论，以及对未来工作的建议。

2022-06-20cs.CRcs.DL

DeepXiv-SDK: 一种用于科学文献的代理数据接口

DeepXiv-SDK: An Agentic Data Interface for Scientific Literature

Beijing Academy of Artificial Intelligence（北京人工智能研究院）

DeepXiv-SDK通过三层代理数据接口提升科学文献的数据访问效率，支持ArXiv语料库并提供开源工具和API。

2026-03-03cs.AIcs.CLcs.DL

在网上信息审查的科学研究趋势。部分1.生产、影响和研究协作

Trends in scientific research in Online Information Review. Part 1. Production, impact and research collaboration

该研究基于Web of Science，分析了2000年至2014年发表的758篇文章。我们的分析包括出版物的产出，作者，机构和国家的生产模式，引用和合作。进行了一项社会网络分析，以确定研究人员和机构的主要群体以及各国之间的合作。该研究显示，1097名作者和453个机构为该杂志做出了贡献。合作指数逐步上升，研究期间的平均合作程度为1.98。大多数论文是由大学附属专业人员撰写的。高被引论文涉及在线和数字环境、电子学习系统、移动服务、Web 2.0和引文分析。这项工作是在图书馆学和情报学的领先期刊，在线信息评论的文献计量学分析。

2017-09-25cs.DL

用新版LODE辅助理解科学知识图谱的本体

Supporting the understanding of ontologies for scientific knowledge graphs with the new version of LODE

University of Bologna（博洛尼亚大学）

本文提出新版可扩展框架LODE，用于生成语义制品的人类可读文档，通过对SKG-O本体的文档生成，提升了模块化科学知识图谱模型的可访问性与复用性。

2026-08-06cs.DL

开放书目数据和意大利国家科学资格：测量学术领域的覆盖面

Open bibliographic data and the Italian National Scientific Qualification: measuring coverage of academic fields

开放式书目知识库的重要性已被科学界广泛接受。然而，对于评估过程，仍然存在一些怀疑：即使存在大量的开放获取文章和免费出版物索引库，并且不断增长，评估程序仍然依赖于专有数据库，这主要是由于这些专有数据库中的数据丰富，以及提供这些数据库的公司提供的服务。本文调查了三个最常用的开放资源，即微软学术图，Crossref和OpenAIRE的开放书目数据的状态，评估其作为学术评估过程中的专有数据库的替代品的潜力。我们专注于意大利国家科学资格（NSQ），意大利大学教授资格的过程，使用商业指数的数据，并调查研究领域，学科和应用角色之间的相似性和差异。主要结论是，开放数据集已准备好用于某些学科，其中包括数学、自然科学、经济学和统计学，即使仍有改进的余地;但在其他学科-如历史、哲学、教育学和心理学-仍有很大的差距需要填补，需要研究人员和机构作出更大的努力。

2022-05-13cs.DL

语义出版挑战-通过信息抽取和链接评估科学产出的质量

Semantic Publishing Challenge - Assessing the Quality of Scientific Output by Information Extraction and Interlinking

语义出版挑战系列旨在研究使用关联数据技术改进学术出版的新方法。2014年，我们启动了这项工作，重点是从非语义出版物（计算机科学研讨会论文集及其论文）中提取信息，以评估其质量。第二版的目标是改进信息抽取，同时将2014年数据集与LOD Cloud中的相关数据集互连，从而为复杂的最终用户服务铺平道路。

2015-08-25cs.DL

预测科学出版物中共享资源的寿命

Predicting the longevity of resources shared in scientific publications

研究表明，文章中共享的大多数资源（例如，代码或数据的URL）不能保持最新，并且大多数在几年后从网络上消失（Zeng等人，2019年）。人们对区分和预测这些资源寿命的因素知之甚少。本文探讨了一系列与出版地点、作者、参考文献以及资源共享地点相关的解释性特征。我们分析了广泛的出版物存储库，并通过网络档案服务，重建他们如何看待在不同的时间点。我们发现，最重要的因素与资源在哪里以及如何共享有关，而作者的声誉或期刊的声望却几乎无法解释。通过研究长期资源共享的地方，我们建议传播和创建现代技术标准至关重要。最后，我们讨论了可重复性和承认科学数据集作为一等公民的影响。

2022-03-24cs.DLcs.IR

预印本是科学的未来吗？在线预印本服务的三十年历程

Is preprint the future of science? A thirty year journey of online preprint services

预印本是科学论文在正式同行评审之前公开发布的版本。自1991年arXiv推出以来，预印本越来越多地通过互联网分发，而不是纸质副本。它允许开放的在线访问，在几天内传播原始研究，通常运营成本很低。这项工作概述了预印本如何在过去三十年中随着网络的发展而发展和影响研究界。在这项工作中，我们首先报告了预印本的数量在30年内呈指数增长了63倍，尽管它只占研究文章的4%。其次，我们量化了预印本给作者带来的好处：与非预印本相比，预印本平均提前14个月到达读者手中，引用次数是非预印本的5倍。最后，为了解决预印本的质量问题，我们发现41%的预印本最终是在同行评审的目的地出版的，出版地点与没有预印本的论文一样有影响力。此外，我们还讨论了在最近的突发公共卫生事件中，预印本在传播最新研究数据方面所发挥的前所未有的作用。总之，我们提供了定量的证据来揭示预印本对个人研究人员和社区的积极影响。预印本借助网络技术更迅速、更广泛地传播科学发现，使学术交流更有效率。我们在这项研究中提出的测量方法可以帮助研究人员和政策制定者就如何有效地使用和负责任地接受预印本文化做出明智的决定。

2021-02-17cs.CYcs.DL

语义出版的挑战--评估科学产出的质量

Semantic Publishing Challenge -- Assessing the Quality of Scientific Output

关于学术出版物的链接开放数据集使复杂的最终用户服务的开发和集成成为可能;然而，仍然需要更丰富的数据集。这个挑战的第一个目标是研究新的方法来获得这样的语义数据。特别是，我们正在寻找方法和工具，从学术出版物中提取信息，将其发布为LOD，并使用此LOD的查询来评估质量。今年，我们重点关注研讨会论文集和w.r.t.期刊文章的质量。他们的引文网络。第三个是开放性任务，要求展示如何利用这种语义数据，以及语义Web技术如何在这种新兴环境中提供帮助。

2014-08-20cs.DLcs.IR

语料库转换服务：一个大规模摄取文档的机器学习平台

Corpus Conversion Service: A machine learning platform to ingest documents at scale [Poster abstract]

IBM Research（IBM研究院）

在过去的几十年里，科学文章和技术文献的数量呈指数级增长。因此，非常需要能够大规模摄取这些文档并使其内容可共享的系统。不幸的是，这些文件的格式（例如PDF格式或位图图像）以及数据的呈现方式（例如复杂的表格）使得定性和定量数据的提取极具挑战性。我们提出了一个平台，以摄取文件的规模，这是由机器学习技术，并允许用户训练自定义模型的文档集合。我们显示，在转换为结构化格式方面，精确率/召回率超过97%，以及构成平台的每个微服务的扩展证据。

2018-05-15cs.CLcs.CVcs.DC