Wikipedia引文：从英文维基百科提取的带标识符引文综合数据集
数字图书馆
2020-11-24 v2
摘要
维基百科的内容基于可靠且已发表的来源。迄今为止，关于维基百科依赖哪些来源知之甚少，部分原因是引文提取与引源识别具有挑战性。为弥补这一空白，我们发布Wikipedia Citations，一个从维基百科提取的引文综合数据集。截至2020年5月，从610万篇英文维基百科文章中共提取2930万条引文，并分类为书籍、期刊文章或网络内容。由此我们得以提取400万条指向具有已知标识符——包括DOI、PMC、PMID和ISBN——的学术出版物引文，并进一步通过Crossref为额外26.1万条引文补充DOI。结果显示，6.7%的维基百科文章至少引用一篇带关联DOI的期刊文章，且维基百科仅引用当前Web of Science索引的带DOI文章中的2%。我们发布代码以允许社区扩展我们的工作并在未来更新该数据集。
引用
@article{arxiv.2007.07022,
title = {Wikipedia Citations: A comprehensive dataset of citations with identifiers extracted from English Wikipedia},
author = {Harshdeep Singh and Robert West and Giovanni Colavizza},
journal= {arXiv preprint arXiv:2007.07022},
year = {2020}
}