开发｜微软清华公布Open Academic Graph数据集推动数据集成研究，匹配准确率超过98%

雷锋网 AI 科技评论消息，清华大学副教授、Arnetminer 创始人唐杰博士在微博上更新了清华和微软在 KDD 上公布的最新成果——Open Academic Graph。

「我们和微软在 KDD 上发布了一个非常大的学术数据，包含有微软 1.6 亿论文和 AMiner 里面抽取出来 1.55 亿论文，同时还给出了这两个数据之间的链接关系（可以用于做数据集成研究），欢迎大家下载，这也是清华和微软等单位联合成立的开发学术社区 Open Academic Society 。」

据雷锋网 AI 科技评论了解，该数据集仅供科研用，包含了 Microsoft Academic Graph (MAG) 的 1.66192182 亿篇论文及 AMiner 的 1.54771162 亿篇论文。研究者生成了两个学术图表的 6463 万个链接关系（matching），并表示在未来会呈现包括作者在内的更多链接结果。这个数据集可以用于进行引用网络（citation network）、论文内容等多种数据集成研究。整个数据集包括以下三个方面，即链接关系、MAG 论文集及 AMiner 论文集。

官网介绍： https://www.openacademic.ai/news/

此外，在 aminer 的官网上也同步了 3 个 AMiner 论文集和 9 个 MAG 论文集的打包下载渠道：

https://aminer.org/open-academic-graph

在链接关系中，两个数据集的论文会以 ID 的形式呈现，例：

{
"mid": "xxxx",
"aid": "yyyy"
}

其中，mid 指的是 MAG 的论文 ID，而 aid 则是 AMiner 的论文 ID。

对于数据集 MAG 论文和 AMiner 论文而言，每篇论文都是一个 JSON 对象。其数据模式是：

示例如下：

在使用的时候，研究者可以通过以下两步进行操作：

• 1. 采用 Microsoft Graph Search API 查询每个 AMiner 的论文标题，并且筛选出对应的链接论文。