数据集概述
本数据集为开放研究知识图谱（ORKG）场景下的内容推荐系统构建而创建，包含基于ORKG比较分组的论文与谓词关联数据，以及用于模型训练和测试的文本实例数据。数据集总计包含三个JSON文件，可支持语义谓词推荐模型的开发与验证。
文件详解
data.json- 文件格式：JSON
- 字段映射介绍：主对象为comparisons列表，每个comparison包含id、label、papers列表和predicates列表；papers列表中每个paper包含id、label（标题）、doi、research_field（含id和label）、research_problems（含id和label的列表）、abstract；predicates列表中每个predicate包含id和label
training_set.json- 文件格式：JSON
- 字段映射介绍：主对象为instances列表，每个instance包含instance_id（格式为comparison_id X paper_id）、comparison_id、paper_id、text（paper的label与abstract的拼接文本）
test_set.json- 文件格式：JSON
- 字段映射介绍：结构与training_set.json一致，test实例不与training实例重复，training实例无重复但training论文可与不同comparison拼接重复
适用场景
- 学术推荐系统开发: 基于论文标题和摘要的语义内容，推荐ORKG中相关的语义谓词
- 开放研究知识图谱分析: 研究ORKG中论文、谓词、研究领域等实体的关联模式
- 语义聚类模型训练: 以论文文本为输入，训练谓词语义聚类的机器学习模型
- 学术数据统计分析: 分析ORKG中比较分组内论文、谓词、研究领域的数量分布特征
