英文期刊
4300万篇英文学术期刊全文,所有文件均为文字可提取格式,方便进行文本解析与信息提取。
4300.0万 条数据更新时间 2026-05-11
数据集简介
本数据集收录了来自Elsevier、Springer、Wiley-Blackwell、Taylor & Francis、SAGE、MDPI等国际主流学术出版机构的4300万篇英文学术期刊文章,学科覆盖自然科学、工程技术、生物医学、社会科学与人文科学等主要学术领域。所有文章的文件均采用文字可提取格式(如可解析PDF或XML),支持整篇文档的文本自动抽取与结构化处理。数据清单包含ID号、刊名、篇名、机构署名、ISSN号、发表年卷期、作者关键词、学科分类等标准化元数据字段。适用于科技文献大模型预训练与微调、学术知识图谱构建、面向特定领域的文献检索系统开发、科学计量与文献计量分析、学术趋势挖掘以及精准学科情报服务等场景。
数据质量
记录完整性
92.85%
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。