数据集概述
本数据集包含从CC-BY许可的学术论文中提取的29,105个包含引用的句子，主要用于学术文本引用分析研究。数据集提供了原始句子数据、数据处理和分析工具，包括Databricks社区版笔记本和相关的技术演示材料，支持对学术引用模式、上下文分析等研究应用。
文件详解
- 学术引用句子数据文件
- 文件名称：pygothamCleanDataset.csv
- 文件格式：CSV
- 字段映射介绍：包含bibrefId（引用文献ID）、docId（文档ID）、itemType（项目类型）、asjc（学科分类代码）、scopusId（Scopus标识符）、sentence（句子文本）、sectionTitle（章节标题）等关键字段，涵盖引用句子的完整上下文信息。
- 数据处理与分析工具
- 文件名称：pygotham-cox-harper.dbc
- 文件格式：DBC（Databricks社区版笔记本）
- 字段映射介绍：提供数据预处理和探索性分析的工作流程代码。
- 数据查看工具
- 文件名称：pygotham-cox-harper.html
- 文件格式：HTML
- 字段映射介绍：网页格式的数据查看界面，便于快速浏览数据集内容。
- 技术演示材料
- 文件名称：Pygotham Cox Harper 2017.pdf
- 文件格式：PDF
- 字段映射介绍：包含数据集的技术背景、使用方法和相关研究成果的演示文稿。
数据来源
Pygotham 2017会议
适用场景
- 学术引用模式分析：研究不同学科领域的引用习惯、引用上下文特征和引用分布规律。
- 学术文本挖掘：基于引用句子的文本特征进行自然语言处理任务，如引用意图分类、引用推荐等。
- 学科交叉研究：通过学科分类代码（ASJC）分析不同学科间的引用关系和知识流动模式。
- 学术写作辅助：为学术论文写作提供引用上下文参考和最佳实践案例。
