数据集概述
本数据集包含326条Crossref 2024年4月数据中机构名称与ROR ID匹配错误的记录，经人工校验筛选，排除部分低参考价值的特殊问题条目。数据可作为机构匹配算法的基准测试集，用于评估学术数据中机构名称与ROR ID的匹配准确性。
文件详解
- 文件名称：
crossref_2024_ror_false_matches.tsv
- 文件格式：TSV
- 字段映射介绍：包含DOI（文献数字对象标识符）、Affiliation_Name（机构名称）、ROR_ID（机构ROR标识符）、ROR_Display（ROR ID对应的显示名称）、Status（状态，均为“manually curated false match”）
- 文件名称：
Problematic ROR-Affiliation Names in Crossref 2024 Dump.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含主文件的所有信息，额外补充人工校验过程中的注释和详细记录
数据来源
CrossRef 2024年4月公开数据文件、ROR Release v1.59、Wikidata数据集
适用场景
- 学术数据匹配算法评估: 作为基准数据集，测试机构名称与ROR ID匹配算法的准确性和鲁棒性
- 学术元数据质量优化: 分析机构名称与ROR ID匹配错误的类型和模式，指导Crossref等学术数据库的元数据质量提升
- 机构标识标准化研究: 研究学术文献中机构名称的多样性及其与权威标识（如ROR）的映射问题
- 学术数据清洗工具开发: 为开发学术数据清洗工具提供真实的错误案例，优化工具的错误识别能力
