Softcite数据集_研究出版物中的软件提及标注数据集

数据集概述

该数据集是研究出版物中软件提及的标注数据集，包含生物医学和经济学领域开放获取文献中的软件提及标注，涉及软件名称、版本、访问URL等信息，以TEI/XML格式存储，还包含描述数据集设计与创建过程的论文。

文件详解

• 文件名称：howisonlab/softcite-dataset-v1.0.zip
• 文件格式：ZIP压缩包
• 压缩包内包含：
• softcite_corpus-full.tei.xml：TEI/XML格式的语料库文件，包含标注的软件提及（名称、版本、访问URL等）及无软件提及的出版物信息
• Softcite_Dataset_Description_RC.pdf：数据集描述论文预印本，介绍设计考量与创建过程

适用场景

• 学术信息检索系统优化：提升学术数据库中研究软件的可见性
• 软件实体识别研究：为软件实体识别模型开发提供标注数据
• 学术软件使用分析：研究生物医学和经济学领域学术研究中的软件使用情况
• 信息检索工具开发：促进软件信息检索工具的互操作性与协作