15、SemOpenAlex：科研知识图谱的新力量

SemOpenAlex：科研知识图谱的新力量

1. 引言

在科研领域，知识图谱（KG）已经成为处理和分析海量学术数据的重要工具。SemOpenAlex作为一个新兴的科研知识图谱，为科研人员和机构提供了丰富的数据资源和强大的分析能力。它不仅涵盖了全球范围内的科研出版物，还提供了多种实体类型和关系，为科研大数据分析、学术搜索、语义出版等多个领域带来了新的机遇。

2. SemOpenAlex概述

2.1 实体类型与实例数量

SemOpenAlex包含多种实体类型，截至2023年3月，各实体类型的实例数量如下表所示：
| 实体类型 | 实例数量 |
| ---- | ---- |
| Work | 249,450,604 |
| Author | 135,360,159 |
| Source | 226,413 |
| Institution | 108,618 |
| Concept | 65,073 |
| Publisher | 7,017 |

2.2 与其他学术知识图谱的比较

与MAG和MAKG相比，SemOpenAlex具有相似的架构，但提供了更新鲜的数据。它通过OpenAlex的作者姓名消歧和使用简单知识组织系统（SKOS）本体对概念与论文进行更清晰的映射，对数据进行了清理。此外，还有DBLP KG和Open Research Knowledge Graph（ORKG）等学术知识图谱。DBLP仅提供计算机科学出版物的高质量元数据，涵盖约600万篇出版物；ORKG旨在为科研论文的语义捕获和表示提供KG基础设施，包含超过25,00