S2AMP:从出版物推断的高覆盖学术导师关系数据集
数字图书馆
2022-05-03 v3 计算机与社会
社会与信息网络
摘要
导师指导是学术界的关键组成部分,但不像出版物、引用、资助和奖项那样可见。尽管研究导师指导的质量与影响十分重要,现有大型代表性导师关系数据集却很少。我们为导师指导研究贡献了两个数据集。第一个包含超过 300,000 对来自多个不同人工整理来源的 ground truth 学术导师-学生配对,并已关联到 Semantic Scholar (S2) 知识图谱。我们利用该数据集训练了一个准确的分类器,用于从文献特征预测导师关系,在留出测试集上取得了 0.96 的 ROC 曲线下面积。我们的第二个数据集通过将分类器应用于 S2 的完整合著图而构建。结果是一个推断图,包含 24 百万节点间 1.37 亿条带权导师边。我们向学界发布这一首创的数据集,以帮助加速学术导师关系研究:\url{https://github.com/allenai/S2AMP-data}
引用
@article{arxiv.2204.10838,
title = {S2AMP: A High-Coverage Dataset of Scholarly Mentorship Inferred from Publications},
author = {Shaurya Rohatgi and Doug Downey and Daniel King and Sergey Feldman},
journal= {arXiv preprint arXiv:2204.10838},
year = {2022}
}