英文期刊/论文

收录1980年至今超过9000万篇英文期刊论文,已做全面去重处理,覆盖自然科学与社会科学的广泛领域。

9000.0万 条数据更新时间 2026-05-11

数据集简介

本数据集收录了自1980年以来的9000万篇英文期刊论文,涵盖自然科学(数学、物理学、化学、生物学、天文学)和社会科学(经济学、社会学、心理学、政治学等)两大门类。数据来源于Elsevier、Springer、Wiley、Taylor & Francis等国际主流学术出版商及arXiv等预印本平台。所有文章均已进行系统化去重整理,每篇论文提供标题、作者、期刊名称、发表年份、卷期号、DOI、摘要以及全文PDF链接等结构化学术元数据。数据集适用于大规模科技文献语料库构建、学术预训练模型、引文网络分析、跨学科知识图谱构建及科学计量学等学术研究场景。

数据质量

记录完整性
91.47%
记录时效性
按需更新
记录结构化
NDJSON、JSON、CSV、XLSX、Parquet,支持定制化
记录云交付
Amazon S3、Snowflake、Alibaba Cloud OSS、Google Cloud Storage、Google Drive
记录标准化
为保证数据的一致性与可用性,数据集在构建过程中对原始记录进行了标准化处理,包括:(1)单位标准化:统一价格、重量、尺寸等字段的计量单位;(2)格式标准化:统一日期、时间、数值字段的表示格式;(3)文本清洗:去除 HTML 标签、多余空格及异常字符;(4)字段规范化:统一字段命名、数据类型与缺失值表示方式。该过程确保数据在不同来源和不同采集批次之间保持结构一致性,便于后续分析与建模。
记录代表性
数据覆盖全量业务场景,样本均衡,具备行业代表性

需要定制更适合业务场景的数据集?

我们支持公开数据浏览、关键词筛选与企业级定制交付,帮助你更快完成模型训练与数据分析落地。