大规模、跨学科系统综述语料库
信息检索
2026-04-28 v1 计算与语言
摘要
现有系统综述基准要么规模有限，要么学科覆盖有限，部分语料库仅包含有限数量的主题，另一些则主要聚焦于生物医学领域。我们提出Webis-SR4ALL-26，一个覆盖所有由OpenAlex涵盖的科学领域的大规模、跨学科系统综述语料库，包含301,871篇系统综述。通过多阶段预处理流程，我们将系统综述链接到已解析的OpenAlex元数据和参考文献列表，并提取在明确报告的结构化方法性Artifact，这些Artifact与检索和筛选相关，包括报告的检索策略（布尔查询或关键词列表）我们规范化为可执行的近似值，以及报告的纳入和排除标准。这些层次支持针对系统综述参考文献列表对检索和筛选组件进行跨域基准测试，训练和评估提取方法以获取系统综述Artifact，以及跨学科和时间维度对系统综述实践的比较性元科学分析。为演示一个具体用例，我们报告了大规模基准检索信号，通过在OpenAlex中执行规范化检索策略并将检索结果与已解析的参考文献列表进行比较。我们发布了该语料库和预处理流程，以及用于提取验证和检索演示的代码。
引用
@article{arxiv.2604.22864,
title = {A Large-Scale, Cross-Disciplinary Corpus of Systematic Reviews},
author = {Pierre Achkar and Tim Gollub and Arno Simons and Harrisen Scells and Martin Potthast},
journal= {arXiv preprint arXiv:2604.22864},
year = {2026}
}