免费下载 | 横跨120余年，数亿条学术数据，大规模学术数据库“智创”开源

本文链接：https://blog.csdn.net/OpenDataLab/article/details/143327414

近日，上海人工智能实验室（上海AI实验室）联合复旦大学、博观创新（上海）大数据有限公司共同开源大规模学术成果数据库“智创”（Intelligent Innovation Dataset）。数据库涵盖数亿条学术论文、科研项目、专利信息等多种类型的学术成果数据，历史跨度120余年。

数据作为学术研究的重要基础设施，其共享与流通是推动科学进步的关键因素之一。智创数据库可用于量化研究成就，揭露学术趋势，剖析合作模式，评价学科演化及项目资助情况，辅助科学政策制定。助力研究者深入洞察科学领域的内在结构、发展动态及其影响力，赋能知识的流传与学术创新。

与此同时，数据库中的专利信息是助力技术创新和市场竞争力分析的优质数据，助力监测技术动向，评估并保护知识产权，指导研发活动，辅助市场策略，优化专利措施，为政策优化和学术研究提供坚实的实证支持。

● 数据集下载链接：https://opendatalab.com/Gracie/IIDS

● 数据集论文引用链接：https://doi.org/10.48550/arXiv.2409.06936

一、智创数据库介绍

智创数据库由复旦大学社会智能研究中心、博观创新(上海)大数据科技有限公司以及上海人工智能实验室共同开发。

智创数据库强调用数据展现科技创新的全景，广泛地涵盖了科研成果和专利相关数据，目前主要包括学术论文、科研项目、专利等多种类型的学术成果数据。目前数据库规模为735.1GB，其中论文数据量9231万余条，论文引用关系信息数据量18亿余条；科研基金信息数据量3万余条，论文基金关系6128万余条；专利数据量1亿余条，专利法律状态相关数据1.1亿余条。特点如下：

● 覆盖范围广：智创数据库涵盖了自然学科、医学、社会科学、生命科学四大类，27个大学科，334个小学科，收录内容全面且广泛。

● 收录内容丰富：不仅收录了期刊文章，还包括会议论文以及欧洲专利局提供的全世界各国专利数据，为研究者提供了全面的知识产权信息。

● 超长历史跨度：智创数据库包含了120余年（参与计算数据）的来自不同国家的论文、专利等详细信息，为用户提供了广泛的研究视角和历史数据参考。

总的来说，智创数据库凭借其广泛的数据覆盖范围、专利数据的集成,以及开放获取的特点,为学术研究提供了便捷的一站式信息服务,有望成为全世界从事相关研究的科研人员的重要资源。

二、数据组成

智创数据库中一共包含六张表，分别是paper表、paper引用关系表、funding表、funding关系表、patent表和patent法律状态表，具体内容如下：

（1）paper表和paper引用关系表：

内含期刊论文数据，包括学者在正规系统收录的期刊中正式发表的英文论文以及与论文相关的会议数据、文章引用关系数据。未正式发表的、在预发表数据库中的、非期刊出版的网络文章、发表状态为“Online”的期刊论文等情况均不在收录范围内。此数据主要来源于Scopus数据库。

（2）funding表和funding关系表：

包含全球主要国家发布的科研项目信息，主要来源为美国、中国、日本、加拿大等国家，比如中国的自然科学基金项目、社会科学基金项目等。关系表包含论文与基金之间的连接关系，同时还包含基金的部分信息。

（3）patent表和patent法律状态表：

仅包含专利数据、专利每阶段法律信息，分为有效专利、有价值专利两类进行不同模型计算。主要来源于欧洲专利局官网的专利数据，覆盖范围从1950年至今。（https://worldwide.espacenet.com/）

三、数据样例

(1) paper表和paper引用关系表

● paper表（表1）

包含了从1900年到2023年期间的9200多万条论文记录。其中包括论文的标题、摘要、期刊信息、作者信息、被引用次数以及发表年份等重要数据，同时还涵盖了不同类型和语种的论文。具体字段请参见表1，其中字段eid具有唯一性，可用于实现数据集中多个表的交叉引用。

表1 entity_paper

（篇幅有限，此处样例未展示，完整信息可查看论文：https://arxiv.org/pdf/2409.06936）

● paper引用关系表(表2)

包含了引文关系。包含了来自表1（entity_paper）的论文引用关系，分为 ref_id和cited_id（本质上都是eid）。可以通过eid与表1 进行匹配。

表 2 reference_citation_re

(2) funding表和funding关系表

● funding关系表(表3)

包含与论文相关的资助信息，可根据“eid”与表1（entity_paper）匹配，根据“fid”（即“findid”）与funding表4（entity_fund_info）匹配。

表 3 entity_funds_re

● funding表(表4)

包含25840条基金相关信息，包括基金类型、创建时间、基金官网、基金描述等。它收集了截至2021年来自157个国家的基金信息。可以使用“fundid”与表3 (entity_funds_re)进行匹配。值得注意的是，“fundid”以JSON格式出现在表1 (entity_paper)的funding_list列中。

表4 entity_fund_info