D3：用于分析计算机科学研究现状的大规模学术元数据数据集
数字图书馆
2024-02-09 v4 计算与语言
摘要
DBLP 是计算机科学领域最大的科学论文开放获取存储库，提供与出版物、作者和会议/期刊相关的元数据。我们从 DBLP 检索了超过 600 万篇出版物，并从出版文本中提取相关元数据（如摘要、作者隶属关系、引文），创建了 DBLP Discovery Dataset（D3）。D3 可用于识别计算机科学的研究活动、生产力、焦点、偏见、可访问性及影响力的趋势。我们给出了一个初步分析，聚焦于计算机科学研究的体量（如论文数、作者数、研究活动）、感兴趣主题的趋势以及引文模式。我们的发现表明，计算机科学是一个不断增长的研究领域（约每年 15%），拥有活跃且协作的研究者群体。尽管近年的论文相较前几十年呈现更多的文献条目，平均引文数却一直在下降。对论文摘要的考察显示，近期主题趋势在 D3 中得到清晰反映。最后，我们列举了 D3 的进一步应用并提出了补充研究问题。D3 数据集、我们的发现与源代码均公开供研究使用。
引用
@article{arxiv.2204.13384,
title = {D3: A Massive Dataset of Scholarly Metadata for Analyzing the State of Computer Science Research},
author = {Jan Philip Wahle and Terry Ruas and Saif M. Mohammad and Bela Gipp},
journal= {arXiv preprint arXiv:2204.13384},
year = {2024}
}