数据集概述
本数据集包含三个独立的Web of Science（WOS）学术文献子集（WOS-11967、WOS-46985、WOS-5736），专门用于层次化文本分类研究。每个子集包含论文摘要文本序列（X）及其对应的层次化分类标签（Y、YL1、YL2），涵盖计算机科学、电气工程、心理学等7个主要学科领域及其134个子领域。数据集为基于深度学习的文档分类算法（如HDLTex）提供训练和评估基础。
文件详解
- WOS-11967子集
- 文件组成：X.txt（文本序列）、Y.txt（目标标签）、YL1.txt（一级父标签）、YL2.txt（二级子标签）
- 文件格式：TXT
- 字段映射介绍：包含11,967篇文档，涵盖35个类别（7个父类别）
- WOS-46985子集
- 文件组成：X.txt（文本序列）、Y.txt（目标标签）、YL1.txt（一级父标签）、YL2.txt（二级子标签）
- 文件格式：TXT
- 字段映射介绍：包含46,985篇文档，涵盖134个类别（7个父类别），包含领域、区域、关键词等元数据
- WOS-5736子集
- 文件组成：X.txt（文本序列）、Y.txt（目标标签）、YL1.txt（一级父标签）、YL2.txt（二级子标签）
- 文件格式：TXT
- 字段映射介绍：包含5,736篇文档，涵盖11个类别（3个父类别）
- 元数据文件
- 文件格式：TXT
- 字段映射介绍：包含Y1、Y2、领域、区域、关键词、摘要等完整元数据信息
数据来源
论文"HDLTex: Hierarchical Deep Learning for Text Classification"（作者：Kamran Kowsari等）
适用场景
- 层次化文本分类研究：用于开发和评估基于深度学习的多层级文档自动分类算法
- 学术文献挖掘：分析不同学科领域的研究热点分布和文献分类特征
- 自然语言处理模型训练：为文本分类、主题建模等NLP任务提供标注数据集
- 跨学科研究分析：通过134个子领域分类，研究学科交叉趋势和知识结构
- 教育技术应用：支持学术资源自动归类、学科推荐系统等教育科技应用开发
