SemOpenAlex
| Dieser Artikel wurde zur Löschung vorgeschlagen.
Falls du Autor des Artikels bist, lies dir bitte durch, was ein Löschantrag bedeutet, und entferne diesen Hinweis nicht. |
| Begründung: Produktbeschreibung von zumindest fragwürdiger Relevanz.--Murkus69 (Diskussion) 18:53, 1. Dez. 2024 (CET) |
SemOpenAlex ist ein offener RDF-Wissensgraph, der 2023 eingeführt wurde, um die globale Wissenschaftslandschaft zu modellieren. Er konvertiert Daten von OpenAlex in einen standardkonformen RDF-Graphen und umfasst über 26 Milliarden Tripel zu Publikationen, Autoren, Institutionen, Zeitschriften und wissenschaftlichen Konzepten.[1]
Entwicklung und Ziele
BearbeitenSemOpenAlex wurde von Forschern des Karlsruher Institut für Technologie (KIT) und der metaphacts GmbH entwickelt, um die zunehmende Menge wissenschaftlicher Daten besser zugänglich zu machen. Es basiert auf dem Resource Description Framework (RDF) und verwendet etablierte Vokabulare wie Dublin Core (DCterms), FaBiO und SKOS. Ziel ist es, Daten im Einklang mit den FAIR-Prinzipien bereitzustellen, um wissenschaftliche Analysen und interdisziplinäre Forschung zu unterstützen.[2]
Funktionen
BearbeitenSemOpenAlex bietet mehrere zentrale Funktionalitäten:
- SPARQL-Endpunkt für semantische Abfragen.
- RDF-Dumps für den Massendatenzugriff.
- Online-Suche für facettierte Suche.
- Verknüpfungen zu Linked Open Data: Integration mit Ressourcen wie Wikidata und dem Microsoft Academic Knowledge Graph.[1]
Die Daten werden zur Analyse von Zitationsmustern, interdisziplinären Zusammenhängen und wissenschaftlichen Netzwerken genutzt.[3][4][5]
Auszeichnung
BearbeitenDas zugehörige Forschungspapier wurde 2023 auf der International Semantic Web Conference mit dem Best Resource Track Paper Award ausgezeichnet.[6]
Lizenzierung
BearbeitenDie Daten sind unter der Creative Commons Zero (CC0) Lizenz verfügbar, was eine uneingeschränkte Nutzung erlaubt. Der Quellcode ist auf GitHub öffentlich zugänglich.[7]
Einzelnachweise
Bearbeiten- ↑ a b Michael Färber, David Lamprecht, Johan Krause, Linn Aung, Peter Haase: SemOpenAlex: The Scientific Landscape in 26 Billion RDF Triples. In: The Semantic Web – ISWC 2023. Springer, Cham, 2023, S. 94–112. (online)
- ↑ European FAIR Data Principles. In: go-fair.org. Abgerufen am 1. Dezember 2024.
- ↑ M. Färber, D. Lamprecht: Linked Papers with Code: The Latest in Machine Learning as an RDF Knowledge Graph. arXiv preprint, 2023. (online)
- ↑ M. Färber, D. Lamprecht, Y. Susanti: AutoRDF2GML: Facilitating RDF Integration in Graph Machine Learning. Springer, 2024. (online)
- ↑ R. Vasu, C. Sarasua, A. Bernstein: SciHyp: A Fine-Grained Dataset Describing Hypotheses and Their Components from Scientific Articles. Springer, 2024. (online) doi:10.1007/978-3-031-47243-5_7
- ↑ ISWC 2023 Awards. In: semanticweb.org. Abgerufen am 1. Dezember 2024.
- ↑ SemOpenAlex. In: GitHub