Refcat: The Internet Archive Scholar Citation Graph
作为其学术数据工作的一部分,互联网档案馆(IA)发布了第一个版本的引用图数据集,名为refcat,来自学术出版物和其他数据源。它由fatcat编目项目(支持IA Scholar的目录)收集的数据,针对主要和次要学术产出的相关网络规模抓取,以及来自开放图书馆项目和维基百科的元数据组成。这个图表的第一个版本包括超过13亿次引用。我们在CC0公共领域贡献下发布此数据集,可通过Internet Archive访问。用于推导过程的源代码,包括精确和模糊引文匹配,在MIT许可下发布。本报告的目的是简要介绍数据集的当前内容和来源。
2021-10-14 cs.DL
Transforming OPACs into Intelligent Discovery Systems: An AI-Powered, Knowledge Graph-Driven Smart OPAC for Digital Libraries
Department of Library and Information Science, University of Kerala, Trivandrum, India(喀拉拉邦大学图书馆与信息科学系,印度特里凡得琅)
本文提出一种智能OPAC框架,利用人工智能和知识图谱技术将传统OPAC转变为智能发现系统,通过语义搜索、主题过滤和知识图谱可视化提升用户体验,整合开放学术数据源并应用语义嵌入以提高检索效率和相关性。
2026-04-01 cs.AI cs.DL cs.IR
KGMM -- A Maturity Model for Scholarly Knowledge Graphs based on Intertwined Human-Machine Collaboration
近年来,知识图谱(KG)在科学、商业和社会中的重要性日益增加。然而,大多数知识图谱都是从现有来源提取或汇编的。真正由相互交织的人机协作创建的知识图谱的例子相对较少。此外,由于数据和知识图谱的质量是至关重要的,已经提出了一些数据质量评估模型。然而,他们没有考虑到交织在一起的人机策划的知识图谱的具体方面。在这项工作中,我们提出了一个分级的成熟度模型的学术知识图谱(KGMM),专门侧重于有关方面的联合,进化策展的知识图谱数字图书馆。我们的模型包括5个成熟度阶段和20个质量指标。我们展示了我们的模型在一个大规模的学术知识图谱策展工作的实施。
2022-11-22 cs.DL cs.HC
Report on the 3rd Joint Workshop on Bibliometric-enhanced Information Retrieval and Natural Language Processing for Digital Libraries (BIRNDL 2018)
$3^{rd}$联合BIRNDL研讨会在美国安娜堡举行的第41届ACM SIGIR信息检索研究与开发会议(SIGIR 2018)上举行。BIRNDL 2018旨在激励IR研究人员和数字图书馆专业人员详细阐述自然语言处理,信息检索,科学计量学和推荐技术的新方法,这些方法可以大规模地推进学术文档理解,分析和检索的最新技术。研讨会包括三个论文会议和CL-SciSumm共享任务的$4^{th}$版本。
2018-12-02 cs.DL cs.IR
Bibliometric-enhanced Retrieval Models for Big Scholarly Information Systems
文献计量技术虽然为用户提供了增值效应,但尚未被广泛用于加强数字图书馆的检索过程。在本文中,我们将探讨如何统计建模的奖学金,如Bradfordizing或网络分析的合著网络,可以提高检索服务的特定社区,以及大型,跨域的大型收藏。本文旨在提高人们对信息检索(IR)和文献计量学/科学计量学之间缺失环节的认识,并为在数字图书馆界面将文献计量学增强服务纳入检索中创造一个共同基础。
2013-09-30 cs.DL
Anatomy of Scholarly Information Behavior Patterns in the Wake of Academic Social Media Platforms
随着越来越多的学术内容被数字化或转换为数字格式,数字图书馆对寻求利用学术大数据进行科学发现的研究人员来说变得越来越重要。虽然学术产品是丰富的,特别是在社会网络服务的出现所创造的环境中,很少有人知道国际学术信息需求,信息寻求行为,或信息使用。本文的目的是解决这些差距,通过深入分析的信息需求和信息寻求行为的研究人员,学生和教师,在两所大学,一个在美国,另一个在卡塔尔。在此基础上,本研究确定并描述了研究人员在信息寻求过程中的新行为模式。分析结果表明,学术社交网络的使用对各种学术活动有显著的影响。此外,本研究确定了学生和教师之间的差异,就他们使用的学术社交网络,它确定了研究人员之间的差异,根据学科。虽然参与本研究的研究人员代表了一系列学科和文化背景,但研究报告了研究人员学术活动的一些相似之处。
2018-08-07 cs.DL cs.HC cs.SI
Black Open Access in Ukraine: Analysis of Downloading Sci-Hub Publications by Ukrainian Internet Users
导论.学术研究期刊的高额订阅费促使研究人员使用非法渠道获取科学信息。分析乌克兰互联网用户从非法网络资源下载学术研究论文的统计数据,有助于确定机构或国家一级在每个科学领域提供信息方面的差距。问题陈述。对乌克兰互联网用户在2015年9月1日至2016年2月29日期间从非法网络资源Sci-Hub下载学术研究出版物的行为和地理进行分析。目的.评估从Sci-Hub下载科学论文的乌克兰研究人员的信息需求。材料和方法。所使用的文件可在公共领域获得,包含2015年9月1日至2016年2月29日期间从Sci-Hub下载的学术研究文章的完整数据。查询用户与乌克兰的IP地址已被选中。使用下载文章的DOI可以在CrossRef API的帮助下找到出版商和期刊品牌,而使用所有科学期刊分类(ASJC)代码可以识别主题。结果该研究表明,下载的大多数文件与自然科学(主要是化学,物理学和天文学)有关,其中爱思唯尔出版物是Sci-Hub的乌克兰用户和基辅互联网用户最活跃下载论文的最频繁查询。结论所获得的数据是重要的了解乌克兰研究人员的信息需求,并可用于制定一个最佳的订阅政策,提供访问信息资源在乌克兰的R&D机构。
2018-04-23 cs.DL
Improving Scholarly Knowledge Representation: Evaluating BERT-based Models for Scientific Relation Classification
University of Illinois at Urbana Champaign(伊利诺伊大学香槟分校);TIB Leibniz Information Centre for Science and Technology(莱布尼茨科学与技术信息中心);L3S Research Center at Leibniz University of Hannover(汉诺威莱布尼茨大学L3S研究中心)
随着研究出版物的快速增长,有大量的学术知识需要在数字图书馆中进行组织。为了应对这一挑战,技术依赖于知识图结构正在提倡。在这种基于图形的管道中,推断相关科学概念之间的关系类型是至关重要的一步。近年来,基于在大规模语料库上预训练的语言模型的自动关系分类技术得到了广泛的应用。尽管已经做出了显著的贡献,但其中许多方法是在不同的假设情况下进行评估的,这限制了它们的可比性。为此,我们提出了一个彻底的实证评估8伯特为基础的分类模型,重点是两个关键因素:1)BERT模型的变体,2)分类策略。在三个语料库上的实验表明,特定领域的预训练语料有助于基于Bert的分类模型识别科学关系的类型。虽然每次预测单个关系的策略比同时识别多个关系类型的策略在一般情况下实现了更高的分类精度,但后一种策略在具有大或小尺寸注释的语料库中表现出更一致的性能。我们的研究旨在为数字图书馆的利益相关者提供建议,以选择合适的技术来构建基于知识图的系统,以增强学术信息组织。
2020-07-13 cs.CL cs.DL
A Recommender System to Support the Scholarly Communication Process
研究人员、文章、期刊、会议、资助机会和其他此类学术资源的数量每年都在持续增长,而且速度越来越快。许多服务已经出现,以支持学者在这个资源丰富的环境中导航的特定方面。一些商业出版商为他们的数字图书馆中的文章和期刊提供推荐和提醒服务。类似地,许多非商业性的社会书签服务也出现了,用于引用共享。虽然这些服务确实提供了一些支持,但它们缺乏对研究人员每天面临的各种问题解决方案的理解。举几个例子,示例场景包括当学者搜索与另一篇感兴趣的文章相关的文章时,当学者搜索潜在的合作者以获得资助机会时,当学者搜索提交其文章的最佳地点时,以及当学者以编辑的角色搜索评审文章的推荐人时。所有这些示例场景都可以表示为借助于上下文敏感的推荐的信息过滤中的问题。本文介绍了一个上下文敏感的推荐系统,以支持学术交流的过程中,是基于标准和技术的语义Web倡议。
2009-05-11 cs.DL cs.IR
Jumping over the paywall: Strategies and motivations for scholarly piracy and other alternatives
尽管开放获取(OA)运动取得了进展,但大多数学术成果只能通过付费墙访问。我们在研究人员中进行了一项国际调查(N= 3,304),以衡量使用(或不使用)学术盗版网站,以及其他克服付费墙的替代方案,如用自己的钱支付,机构贷款,只是阅读摘要,要求相应的作者提供文档的副本,要求同事为他们获取文档,或搜索论文的OA版本。我们还探讨了年龄,专业职位,国家收入水平,纪律和承诺OA方面的差异。结果表明,研究人员最经常寻找OA版本的文件。然而,超过50%的参与者至少使用过一次学术盗版网站。这种情况在高收入国家以及年长和地位较高的学者中不太常见。就学科而言,生命与健康科学和社会科学较少使用此类服务。那些从未使用过盗版图书馆的人强调了道德和法律上的反对意见,或指出他们不知道这种图书馆的存在。
2022-12-09 cs.DL
Beyond Metadata: The Role of DOI, ORCID, and ROR in Shaping Transparent and Interoperable Library Systems
University of Delhi(德里大学)
本研究探讨DOI、ORCID和ROR三种持久标识符系统如何从元数据标签演变为机器可操作的连接器,以提升图书馆基础设施的透明度和互操作性,并基于2019-2026年全球实施证据提出改进措施。
2026-05-30 cs.DL
Libraries, Digital Libraries, and Data: Forty years, Four Challenges
本文以克利福德·林奇四十余年的数字图书馆相关工作为线索,梳理数字图书馆发展轨迹,提出研究图书馆面临的四类核心挑战,并指出未来需在保障现有资源获取的同时培育新一代数字图书馆与馆员。
2025-04-01 cs.DL
Modeling Updates of Scholarly Webpages Using Archived Data
庞大的网络给用有限的资源构建大规模搜索引擎带来了高昂的成本。因此,需要优化抓取边界,以提高抓取内容的覆盖率和新鲜度。在本文中,我们提出了一种方法,在网络上使用存档的网页副本的动态变化建模。为了评估其效用,我们使用从Google Scholar配置文件中获得的19,977个作者主页的种子URL对学术网络进行了初步研究。我们首先从互联网档案馆(IA)获得这些网页的存档副本,并估计其实际更新发生的时间。接下来,我们应用最大似然估计其平均更新频率($λ$)值。我们的评估表明,$λ$值来自一个简短的历史存档的数据提供了一个很好的估计,在短期内的真实更新频率,我们的方法提供了更好的估计更新的一部分资源相比,基线模型。在此基础上,我们展示了归档数据的效用,以优化网络爬虫的爬行策略,并发现重要的挑战,启发未来的研究方向。
2020-12-07 cs.DL cs.IR
Diamond open access and open infrastructures have shaped the Canadian scholarly journal landscape since the start of the digital era
本研究创建包含1256种期刊的数据集,分析加拿大学术期刊格局,发现钻石开放获取(占62%)和开放基础设施在数字时代塑造了期刊生态,为制定定制化政策提供依据。
2024-11-08 cs.DL
MetaEnhance: Metadata Quality Improvement for Electronic Theses and Dissertations of University Libraries
Old Dominion University(奥尔德多米宁大学);Virginia Polytechnic Institute and State University(弗吉尼亚理工学院暨州立大学)
本文提出MetaEnhance框架,利用先进人工智能方法自动检测、纠正和规范化电子学位论文元数据,并在包含500份ETDs的基准上验证了其在错误检测与纠正上的高效性。
2023-03-30 cs.AI cs.DL cs.LG
Computer Science Named Entity Recognition in the Open Research Knowledge Graph
TIB Leibniz Information Centre for Science and Technology(莱布尼茨科学技术信息中心)
计算机科学(CS)学术文章上的领域特定命名实体识别(NER)是一项信息抽取任务,可以说对于可以困扰任务的各种注释目标来说更具挑战性,并且在一般领域中的NER研究较少。鉴于在净入学率方面已经取得了重大进展,我们相信,在未来几年,学术领域特定的净入学率将受到越来越多的关注。目前,这项工作的重点-CS NER的进展部分受到其新近出现和缺乏科学实体/术语的标准化注释目标的阻碍。这项工作提出了一个标准化的任务,通过定义一组七个贡献为中心的学术实体CS NER即,研究问题,解决方案,资源,语言,工具,方法和数据集。接下来,其主要贡献是:结合现有的CS NER资源,这些资源将其注释集中在我们考虑的以贡献为中心的学术实体的集合或子集上;此外,注意到需要大数据来训练神经NER模型,这项工作还从文章标题和摘要中提供了数千个以贡献为中心的实体注释,从而为CS NER释放了累积的大型新颖资源;最后,从一般域NER任务中训练出一个受最新神经结构启发的序列标记CS NER模型。在整个工作中,几个实际的考虑,这可能是有用的信息技术设计师的数字图书馆。
2022-11-14 cs.CL cs.DL cs.IR
Digital libraries: textual analysis for a systematic review and meta-analysis
目的:我们寻求探索有关数字图书馆的文献领域。我们特别寻求确定如何在这个问题上的兴趣已经演变,它的影响,最富有成效的期刊和国家,数字图书馆的出现次数,所提到的主要概念的关系和动态,以及元数据formates.Methods的动态:我们从谷歌学术和微软学术搜索书目数据库中提取语料库。结果:数字图书馆的出版物数量在增加,但其平均被引次数却在下降。中国、美国和印度是这方面最有成效的国家。关于保护和国家图书馆的文献逐渐被关于开放获取、大学图书馆和与用户关系的文献所取代。互联网档案馆是文献中被引用次数最多的数字图书馆,并且还在继续增长。都柏林核心元数据格式是目前讨论最多的元数据格式,但元数据格式的主题在当今的语料库中却日渐式微。结论:数字图书馆似乎已经到了成熟的时代。
2021-06-25 cs.DL
Automatic Identification of Subjects for Textual Documents in Digital Libraries
互联网上的电子文档数量增长非常迅速。如何有效地识别文档的主题成为一个重要的问题。以往的研究主要集中在名词在文档中的行为。虽然主语是由名词组成的,但决定哪些名词是主语的成分不仅仅是名词。基于语篇是有组织的和事件驱动的假设,名词和动词共同参与了主语识别的过程。本文考虑了四个因素:1)词的重要性,2)词频,3)词的共现,4)词的距离,并提出了一个模型来确定主题的文本文档。初步实验表明,该模型的性能接近人类。
1999-02-01 cs.CL cs.DL
The current state of open access
Kyoto University Library(京都大学图书馆)
本文以参与日本机构知识库建设的大学图书馆员视角,梳理学术传播演进与开放获取起源,评析日本开放获取实践现存问题,提出需重构适配互联网时代的学术传播体系。
2025-11-14 cs.DL
Citing and Reading Behaviours in High-Energy Physics. How a Community Stopped Worrying about Journals and Learned to Love Repositories
除了在同行评审期刊上发表的三个世纪的传统外,当代学术话语还遵循许多其他途径。高能物理学(HEP)领域几十年来一直在探索替代的传播策略,最初是通过大量邮寄初步手稿的纸质副本,然后通过第一个在线知识库和数字图书馆的建立。这一领域在回答当前学术交流趋势所提出的反复出现的问题方面具有独特的地位:科学家通过知识库(通常是初步形式)提供他们的工作是否有优势?在开放获取期刊上发表论文有优势吗?科学家们还在阅读期刊吗?还是他们使用数字存储库?引文数据的分析表明,免费和即时在线传播的预印本创建了一个巨大的引用优势,而在开放获取期刊发表没有明显的优势。此外,对该领域领先的数字图书馆的点击流分析表明,HEP科学家很少阅读期刊,更喜欢预印本。
2009-11-25 cs.DL
Evaluating BERT-based Scientific Relation Classifiers for Scholarly Knowledge Graph Construction on Digital Library Collections
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);TIB Leibniz Information Centre for Science and Technology(莱布尼茨科学技术信息中心(TIB));L3S Research Center at Leibniz University of Hannover(汉诺威莱布尼茨大学L3S研究中心)
针对现有基于BERT的科学关系分类器评估场景不统一、未考虑OCR噪声的问题,构建含噪平行语料,从BERT变体、分类策略、噪声影响三方面评估8种模型,得出领域特定BERT最优、单关系预测策略更佳、噪声使F值降10%-20%等结论,为数字图书馆知识图谱构建提供选型参考。
2023-05-03 cs.CL cs.DL
Open is not forever: a study of vanished open access journals
自知识生产开始以来,学术记录的保存一直是人们关注的一个问题。对于印刷出版物,责任主要在于图书馆员,但向数字出版的转变,特别是开放获取(OA)的引入,造成了模糊性和复杂性。因此,期刊的长期可访问性并不总是得到保证,它们甚至可能从网络上完全消失。本研究的重点是对期刊消失现象的探索性研究,这是以往没有人做过的。为了进行分析,我们查阅了几个主要的书目索引,如Scopus,Ulrichsweb和开放获取期刊目录,并通过互联网档案馆的Wayback Machine跟踪期刊。我们发现,由于缺乏全面和开放的档案,174种OA期刊在2000年至2019年间从网络上消失,涵盖了世界上所有主要的研究学科和地理区域。我们的研究结果引起了对学术记录完整性的严重关注,并强调了采取合作行动以确保持续获取和防止更多学术知识流失的紧迫性。我们鼓励那些对消失的期刊现象感兴趣的人使用公共数据集进行研究。
2021-02-22 cs.DL
Impact of Web 2.0 Technologies on Academic Libraries: A Survey on Affiliated Colleges of Solapur University
本文调查了索拉普尔大学26所附属学院图书馆的Web 2.0技术采用情况,发现技术使用不均衡且缺乏培训,建议开展系统性培训以提升电子资源利用率。
2021-02-19 cs.DL
Semantically Orthogonal Framework for Citation Classification: Disentangling Intent and Content
Technische Universität Darmstadt, Darmstadt, Germany(德累斯顿技术大学);L3S Research Center, Leibniz University Hannover, Hannover, Germany(汉诺威莱布尼茨大学L3S研究中心)
SOFT通过分离引文意图与内容类型,提升引文分类的准确性和跨领域泛化能力。
2026-01-08 cs.CL cs.DL
Understanding Repository Growth at the University of North Texas: A Case Study
在过去的十年中,北德克萨斯大学图书馆(UNTL)已经开发了一个相当大的数字图书馆基础设施,用于执行其核心使命的学生,教师,工作人员和相关社区的大学。当它被发现并用于研究、学术、娱乐和终身学习时,这个内容库为整个互联网的最终用户提供了无数的研究可能性。存储库本身的特征提供了对现代数字图书馆基础设施的工作的深入了解,它是如何创建的,多久更新一次,或者多久修改一次。在这种情况下,作者创建了一个数据集,该数据集由从UNT图书馆的档案库Coda中提取的信息组成,并分析了该数据集,以展示从更广泛地共享存储库特征中可以获得的价值和见解。本案例研究介绍了对该数据集进行分析的结果。
2014-07-02 cs.DL
New ADS Functionality for the Curator
在本文中,我们提供了一个更新的NASA天体物理数据系统(ADS)的操作,其服务和用户界面,以及目前在其数据库中索引的内容。作为天文学研究人员使用的主要信息系统,ADS旨在提供文献中出现的所有学术资源的综合索引。随着我们社区目前支持数据和软件引用的努力,我们讨论了ADS正在采取哪些步骤与出版商和数据提供商合作提供所需的基础设施。一个新的API提供了对ADS搜索界面、指标和库的访问,允许用户以编程方式自动执行发现和管理任务。新的ADS界面支持与各种合作伙伴更好地集成内容和服务,包括ORCID声明、SIMPAD对象索引以及来自各种出版商的文章图形。最后,我们强调如何图书馆员可以方便摄取灰色文献,他们策划到我们的系统。
2017-10-23 astro-ph.IM cs.DL