The Microsoft Academic Knowledge Graph- A Linked Data Source with 8 Billion Triples of Scholarly Dat

本文由德国卡尔斯鲁厄技术学院（KIT）AIFB研究所的学者迈克尔·费伯发表

内容简介：
介绍Microsoft学术知识图谱，数据集在开放数据共享归属许可下授权。通过将数据作为RDF转储文件提供，并在链接的开放数据云中提供具有可解析的URI的链接以及与其他链接的链接数据源，将大量学术数据带入Web。本文提供了一个大型RDF数据集，该数据集基于Microsoft学术知识图谱，Microsoft不以图谱的形式提供数据，每数周会提供大型数据库转储。存储和处理这些数据集具有许多阻碍，通过丰富MAG数据和提供数据作为RDF知识图谱和及其预训练的实体嵌入，使潜在MAG数据用户不会有这些阻碍。

现有RDF数据集的局限性：1、很小；2、仅覆盖少数几个实体类型；3、仅覆盖特定科学领域，4、覆盖数据主要来自单个发布者；5、过时。

主要内容：

• 以带有描述的文本文件形式将MAG所有数据转换到RDF，同时重复使用常用词汇并序列化N-Triples格式。

• 将资源链接到Web上的其他数据源，例如DBpedia，Wikidata，OpenCitations 和全球研究标识符数据库（GRID）。

• –提供了MAKG，托管于http://ma-graph.org[1]。

创建过程
原始MAG数据转储主要是为数据处理而设计，基于转储文件创建RDF图谱必须对数据格式和数据建模重大更改，下面为转换过程中最关键的步骤。

• 论文：科学论文元数据是MAG数据集的核心。原始MAG数据转储的Papers.txt包含与论文直接相关的信息。根据 FABIO本体中涵盖的文档类型为每个出版物的表示文档类型建模。此外，还以URI的形式表示有关论文的相关期刊、会议系列和会议实例的信息，以便提供关于实体的事实。

有关MAKG中代表论文的更多信息来自以下转储文件：

• PaperAbstractInvertedIndex.txt：对存储在MAG中的一小部分论文，其摘要是可用的。仅提供摘要作为JSON对象，其中键表示令牌位置,值表示令牌