本文比较了 6 个常用的文献数据库，通过图统计学的方法比较它们的引文网络的拓扑一致性，并发现其中存在一些统计不一致的现象。对比结果发现， DBLP 计算机科学文献库的引文网络的一致性最差，而 Web of Science 从一致性的角度来看更可靠。这项工作既可以作为文献计量学和科学计量学领域学者的参考，也可以作为政府和研究机构科学评估的指导方针。

Feb, 2015

本研究提取了 DBLP 上的 600 多万篇计算机科学论文，分析了计算机科学研究的趋势、活动水平、协作情况等方面。该研究的发现是计算机科学是一个快速发展的研究领域，但近年来其平均引用次数有所下降，并且最新的主题趋势也在 DBLP 数据集中得到了呈现。

Apr, 2022

本论文使用计量学方法分析计算机科学的元数据，并使用交互式 Web 应用程序 CS-Insights 进行数据可视化，发现了计算机科学领域在过去两十年中出现了大量新的作者和出版物，会议论文的受欢迎程度下降，期刊文章的引用次数更高。

Dec, 2022

本文使用 Web of Science 的数据，采用分段回归分析的方法对自 17 世纪中叶以来科学的增长进行了研究，进一步分析了自然科学和医药卫生科学的增长情况，并确定了三个增长阶段。

Feb, 2014

数据科学、机器学习和人工智能的最新进展，如大型语言模型的出现，正在导致对可由这些模型处理的数据的不断增加需求。尽管数据来源是应用特定的，而且不可能提供详尽无遗的数据来源清单，但提供一份涵盖多个应用领域的（必然不完整的）数据源列表或综合手册仍将有益于各级资深的数据科学家和机器学习专家。

Sep, 2023

本文系统介绍了对于科学出版物的引文推荐研究，概括了基于自动化方法和数据集的实现，分析了不同维度上的差异和共同点，着重探讨了其评价方法和挑战。

Feb, 2020

本篇论文旨在解决文献检索中文本相似性问题，提出了一种基于引用信息的文献检索算法，并优化了相关搜索算法以提高文献检索质量和多样性。通过实验表明，优化算法在检索文献数据库时非常成功。

Sep, 2012

本文就全球大学排名的价值和局限性进行了比较分析，包括 ARWU, Leiden, THE, QS 和 U-Multirank 等 5 个排名系统，并分析了它们之间的覆盖率、计算指标的方法、指标分布的偏斜以及指标之间的统计相关性。通过对这些排名系统的对比，提供了更多关于它们的机构覆盖范围、评分方法、指标选择和规范化如何影响给定机构排名和定位的见解。

Nov, 2016

本研究介绍了一个大型数据收集项目的方法论，强调了文档记录和以人为中心的方法，通过在线目录和公共黑客马拉松活动进行元数据的收集，以解决大型语言模型数据收集面临的难题，研究结果分析了所得到的资源元数据分布情况，并总结了在此项目中的经验教训。

Jan, 2022

在本研究中，我们分析引用筛选评估数据集，揭示了许多可用数据集存在的问题，例如太小、数据泄漏以及对于将自动化文献筛选系统视为分类任务而不是检索或问答任务有限适用性。为了解决这些挑战，我们介绍了 CSMeD，这是一个集合了九个公开释放的文献综述集合的元数据集，提供统一访问 325 个医学和计算机科学领域的系统化文献综述资源。此外，我们还介绍了专门用于评估全文出版物筛选任务的新数据集 CSMeD-FT。通过实验和建立新数据集的基线，我们展示了 CSMeD 的实用性。

Nov, 2023