35、科研数据处理与共享：从引用分析到数据协议构建

科研数据处理与共享：从引用分析到数据协议构建

1. 科研论文引用数据处理

在科研论文处理中，PDF 文档的处理和引用数据的提取是重要环节。通过 PDF - STREAM 软件可以将 PDF 文档转换为 JSON 文件，其转换结果存储在特定的文件夹中，方便后续分析。

1.1 PDF 转换与数据提取

• PDF - STREAM 软件将 PDF 文档的文本转换到 “str” 属性中。为了分析文档元素，如页眉、页脚、章节标题等，可以使用 “page”、“transform”、“fontName” 等属性。
• 2017 年 6 月，CitEcCyr 项目提供了约 10K 个由 PDF - STREAM 软件生成的 JSON 文件供公众使用。这些 PDF 文档来源于 NEICON16 存档，其中包含约 150 个研究论文集，总计约 65K 篇论文。转换结果可在 https://socionet.ru/~cyrcitec/json/spz/neicon/ 查看，该链接包含初始 PDF 文档及其 JSON 版本，存储在 NEICON 集合的文件夹中，文件夹中的 PDF/JSON 文件名使用了同一论文在 Socionet 上的句柄（ID）。

1.2 JSON 解析与引用数据提取

使用 CitEcCyr 项目开发的方法和软件对 JSON 文件进行解析，提取所需的引用数据并存储为 XML 文件。以下是提取引用数据的示例：
-