互联网开放论文知识图谱深度调研报告

互联网开放论文知识图谱深度调研报告

互联网开放论文知识图谱深度调研报告

面向「论文写作辅助网站」的数据资源选型与对比分析

调研时间：2026-07-10
方式：四路并行代理深度检索 + 关键事实交叉核验
覆盖：中英文开放资源 22 项

目录

一、执行摘要

为构建「辅助论文写作」之网站，数据底座宜取开放、可商用、结构化之论文知识图谱。经深度调研，可得结论如下：

4.77亿
OpenAlex works（首选主骨架）

22亿
OpenCitations 引文边（CC0）

1350万
NCPSSD 中文社科全文

22项
中英文开放资源盘点

首选主骨架：OpenAlex（CC0、约 4.77 亿 works、REST API + 季度快照、活跃维护）综合性最强、合规最稳，当为文献索引与引用网络之核心。

DOI 与引文主干：Crossref（CC0，1.76 亿 DOI）+ OpenCitations/COCI（CC0，22 亿条引文边）补足规范引用与开放引文图。

全文与语义：S2ORC、arXiv、PubMed/PMC 供全文挖掘；Semantic Scholar (S2AG) 提供 TLDR 与引文推荐，但许可 CC-BY-NC，仅限非商用。

方法/任务/数据集：Papers with Code 已于 2025-07 被 Meta 关停，历史数据冻结于 GitHub 归档，2026 年由 paperswithcode.co 以 AI 智能体重建复活。

中文短板显著：真正开放可批量取数之中文资源稀缺——NCPSSD（1350 万篇中文社科全文）与 AMiner/OAG（中文作者/机构覆盖强）可用，而 CNKI/万方/维普/CSCD 皆为付费墙或不开放。

最大风险：中文开放论文数据稀缺且授权封闭，叠加全文版权与引文时效滞后，须以合规来源为主、中文做有限增强而非核心依赖。

二、调研背景与目标

论文写作辅助网站之核心能力——文献检索、引文建议、选题 gap 发现、概念图谱、综述生成——无不依赖结构化、可关联之学术数据。知识图谱（KG）因显式建模「论文—作者—机构—期刊—概念—数据集—方法」诸实体及其关系，尤适于此类场景。

本报告目标：盘点互联网上当前可用、开放之论文知识图谱（中英皆备），从覆盖规模、KG 结构、访问方式、数据许可、中文覆盖、活跃度、写作适配度等维度对比，给出面向论文写作网站之数据组合建议。

三、方法论

依「并行探索」之法，分四路代理同时出击，各探一类资源，返结构化 markdown 与可入表之数据，并引官方源；后对三处关键断言（Papers with Code 停服、OpenAlex 现规模、OAG 最新版）做 WebSearch 交叉核验，确保立论准确。

四、资源全景与分类

按功能将开放论文知识图谱归为四类：

综合型主索引 KG：OpenAlex、Semantic Scholar (S2AG)、MAG（已停）、OAG、DBLP、arXiv、PubMed/PMC、Crossref

引文与专项 KG：OpenCitations/COCI、WikiCite/Wikidata、ORKG、CiteSeerX、Connected Papers

全文语料：S2ORC、arXiv、PubMed/PMC

中文开放资源：AMiner/OAG、OpenKG.cn、NSTL、NCPSSD、CSCD、万方/维普/CNKI、中科院 GoOA、CN-DBpedia

五、英文主流开放论文知识图谱

OpenAlex ★ 首选

运营方：OurResearch（非营利 501(c)3）

规模：约 4.77 亿 works、1.16 亿作者、10 万机构、6.5 万概念、20 亿+ 引文

实体：works / authors / sources / institutions / topics / funders / geo

关系：引用·被引、署名、机构隶属、主题归属、资助

访问：REST API + 季度快照；无需 key，mailto 礼貌池可提至百万级/日

CC0 可商用 活跃（2025 末 Walden 重写；核心数据永久免费）

Semantic Scholar (S2AG)

运营方：Allen Institute for AI

规模：2.14 亿+ 论文、7900 万作者、24.9 亿引文，含 SPECTER2 向量

实体：papers / authors / venues / citations / fields of study

访问：REST API graph/v1 + 批量数据集；免费约 1 req/s

API CC0 批量 ODC-BY · 非商用 活跃

Microsoft Academic Graph

现状：已于 2021-12-31 停用，由 OpenAlex 接续

实体：论文/引文/作者/机构/期刊/会议/领域

访问：原 Azure / Cognitive Services API 皆关闭

停服 不建议作为新项目依赖

Open Academic Graph (OAG)

运营方：清华 AMiner + 微软研究院

规模：v3.1（2024-02）约 7 亿实体、20 亿关系

实体：论文/作者/机构/会议/领域；关系：跨图匹配+引用+合著

访问：批量下载（分卷 zip，数十 GB）

ODC-BY 中活跃（研究用途为主）

DBLP

运营方：Schloss Dagstuhl – Leibniz Center

规模：约 810 万文献、390 万作者（CS 为主）

实体：论文/作者/期刊/会议；dblp KG 为 RDF 视图

访问：XML dump（每月）+ SPARQL + 查询 API

CC0 适配：CS 权威，但无引文网络、学科偏科

arXiv

运营方：Cornell University

规模：>240 万 e-prints（物理/数学/CS 等）

实体：论文（含版本）/作者/分类；关系：引用、分类、版本

访问：OAI-PMH + Atom API；元数据 CC0

元数据 CC0 适配：预印本追踪 + 全文，非同行评审

PubMed / PMC

运营方：NCBI / NLM（美国国立医学图书馆）

规模：PubMed >3900 万引文；PMC >1100 万全文

实体：引文/作者/期刊/MeSH/全文；关系：引文、MeSH 标注

访问：E-utilities API、FTP 基线/日更

元数据公共域 适配：生物医学必备

Crossref

运营方：Crossref（非营利）

规模：>1.76 亿 DOI 元数据、23600+ 成员

实体：文献(DOI)/期刊/出版商/基金/作者

访问：REST API + 年度公共数据文件（197GB）

CC0 适配：DOI 解析与规范引用主干

六、英文补充型学术图谱与引文 KG

OpenCitations / COCI ★ 引文边

非营利基础设施；Index 2025-07 超 22 亿条引文（Crossref/NIH-OCC/DataCite 等）

实体：出版物(OMID)；关系：cites(OCI)、is-referenced-by

访问：REST API + SPARQL + CSV/N-Triples；无需 key

CC0 适配：引文网络/被引分析极佳

WikiCite / Wikidata

Wikidata 约 4100 万「scholarly article」项；2025-05 拆出独立 SPARQL 端点（约 80 亿三元组）

关系：cites work(P2860)、author(P50)、published in(P1433)、DOI(P356)

CC0 适配：跨语言实体消歧、作者/机构画像

Papers with Code 关停+复活

2025-07-24/25 被 Meta 关停，原站重定向 Hugging Face；历史数据冻结于 GitHub 归档

2026 年由 paperswithcode.co 以 AI 智能体重建复活，SOTA 排行榜回归

结构：<任务, 数据集, 指标> 元组 + 排行榜 + 代码链接

归档+复活 适配：ML 任务/方法/数据集关联参考

Connected Papers

商业，基于 Semantic Scholar；按种子论文生成共引/书目耦合相似图

无开放 API（需 key，商用受限）

商用受限 仅可有限调用，不适作数据源

S2ORC

Allen AI；8110 万论文节点，其中 810 万 OA 全文结构化；467M+ 引文边

实体：论文/章节/引用提及/图表；关系：引文边、行内引用→论文

CC0(限) 适配：全文挖掘、方法/图表抽取最佳

CiteSeerX

宾州州立（NSF）；1000 万+ 文档、1 亿+ 引文（CS 为主）

访问：REST API + OAI-PMH + S3 快照

开放 适配：CS 历史文献全文独特，但老化

ORKG

TIB（德）；以「问题—方法—结果」结构化描述论文，支持对比/排行榜

访问：REST + RDF；数据 CC BY-SA

CC BY-SA 适配：方法对比结构化

不开放反例

Google Scholar：无官方 API，禁自动化

ResearchGate：社交平台，无开放 API，版权限制

CNKI（知网）：商业付费、机构授权，无公开 API

七、中文开放论文资源与知识图谱

AMiner / OAG 中文

OAG 数据集真正开放可批量下载（ODC-BY），但中文论文占比低

AMiner 含 3.31 亿论文、1.35 亿学者，中文作者/机构覆盖强

适配：中文作者机构画像佳，中文全文稀缺

OpenKG.cn ★ 社区

真正开放，数据可下载（RDF/JSON/CSV）；337 数据 + 71 工具

学术子图：SciKG、CS-ArXiv-Citation-KG、CN-DBpedia、PKUPie、新冠科研图谱

局限：学术子图多为英文 arXiv 或通用百科，无专门「中文论文」KG；宜作 schema 参考

NSTL 国家科技图书文献中心

检索免费；全文靠原文传递（注册、每日限额），非批量开放下载

以外文保障为主，中文覆盖弱；不适作开放数据底座

NCPSSD ★ 中文全文最佳

真正开放获取，注册后免费在线阅读/下载 PDF

文献总量 2500 万条；中文社科期刊 2380 种、论文 1350 万+篇

局限：偏哲社、缺理工；无开放 API，须评估合规

CSCD 中国科学引文数据库

中科院文献情报中心；不开放，机构订阅（WoS 版），主页仅检索

引文数据仅机构端可得，无法批量取数

万方 / 维普 / CNKI

均不开放：机构/IP 订阅或付费，无公开 API，禁止批量抓取

中文最全但「围墙花园」，仅网页检索/题录导出

中科院 GoOA

GoOA：OA 论文发现，1700+ OA 刊，开放免费下载（可用）

学术知识图谱（4 亿+ 实体、60.5 亿+ 关系）不开放，仅支撑内部系统

复旦 CN-DBpedia

900 万实体、6700 万三元组，Dump 可下载（科研许可）

但属百科非论文 KG

中文小结：真正开放可用：OAG（下载，中文少）、OpenKG 子图、NCPSSD（中文全文最佳）、GoOA、CN-DBpedia；仅检索不开放：CSCD、万方/维普/CNKI、NSTL 传递、中科院内部 KG。中文开放学术论文知识图谱仍是空白，建议以 NCPSSD 全文 + OAG 引文 + OpenKG schema 组合构建。

八、综合对比矩阵

图例：实体 P 论文 / A 作者 / I 机构 / V 期刊会议 / C 概念领域 / D 数据集 / M 方法 / T 任务；关系 ci 引用 / au 署名 / af 隶属 / tp 主题 / da 数据集关联。★ 数表示写作适配度（五星最高）。

资源类型实体覆盖关系全文API/访问许可中文活跃写作适配

OpenAlex综合P A I V C +ci au af tp~60M OAREST+快照CC0中高★★★★★

Semantic Scholar(S2AG)综合P A V C +向量ci au tp部分REST APICC-BY-NC弱高★★★★☆

MAG综合(停)P A I V Cci au af无已停(2021末)停服弱低✕

OAG综合(研究)P A V +ci au无批量dumpODC-BY中中★★★☆☆

DBLP综合(CS)P A V(CS)au无XML+SPARQLCC0弱高★★★☆☆

arXiv预印本P(预印本)ci tp全OAI-PMH+APICC0弱高★★★★☆

PubMed/PMC生物医学P A V +MeSHciPMC 1100万+E-utilities+FTP公共域弱高★★★★☆

Crossref元数据P A Vci(参考)无REST+年度文件CC0中高★★★★★

OpenCitations/COCI引文KG文献(OMID)ci无REST+SPARQLCC0弱高★★★★☆

WikiCite/Wikidata实体KG混合ci au tp无SPARQL+RDFCC0中高★★★☆☆

Papers with Code任务KGP T M Dda tp无原API停;归档+复活MIT/CC-BY弱中★★★★☆

Connected Papers可视化Pci(相似)无无开放API商用受限弱高★★☆☆☆

S2ORC全文语料P(语料)ci810万OAJSON下载CC0(限)弱低★★★☆☆

CiteSeerXCS库P A(概念)ci部分REST+OAI开放弱低★★☆☆☆

ORKG结构化KG问题/方法/结果结构化部分REST+RDFCC BY-SA弱中★★★☆☆

AMiner/OAG中文中文综合P A I V Cci au af部分下载/申请研究许可强中★★★★☆

OpenKG.cn中文KG社区概念/实体tp无下载多样强中★★☆☆☆

NSTL中文题录元数据—传递(限)检索/传递国内授权强中★★☆☆☆

NCPSSD中文社科P(社科)ci1350万OA检索/下载(无API)国内授权强中★★★★☆

CSCD中文引文P(中科)ci无需订阅商用授权强中★★★☆☆

万方/维普/CNKI中文综合全全全文(墙)不开放付费墙强高✕

中科院GoOA中文OAOA论文—可下载检索/下载OA强中★★★☆☆

CN-DBpedia中文百科实体(百科)—无Dump下载科研许可强中★★☆☆☆

九、面向论文写作网站的推荐技术栈

采用分层数据组合，以开放合规来源为主，中文做有限增强：

① 索引与引用骨架层

OpenAlex（主元数据+引用，CC0）
Crossref（DOI+参考文献权威，CC0）
OpenCitations/COCI（开放引文边，CC0）

② 语义与推荐层

Semantic Scholar S2AG（TLDR+引文推荐，非商用）
Papers with Code（ML 任务/方法/数据集，归档/复活站）

③ 全文挖掘层

S2ORC（结构化全文语料）
arXiv（预印本全文）
PubMed/PMC（生物医学全文）

④ 中文增强层

AMiner/OAG（中文作者/机构）
NCPSSD（中文社科全文）
OpenKG.cn / Wikidata（概念实体消歧）

速率与合规提醒：OpenAlex 加 mailto 提至百万/日，批量作业直接下快照；S2/Papers with Code/Connected Papers 含非商用或停服限制，商用须避开；中文资源多国内授权，须评估合规。

十、风险与局限

① 中文开放数据稀缺且授权封闭：NSTL/CSCD/CNKI/万方/维普难直接商用，须以合规来源为主、中文做有限增强。

② 全文版权：S2ORC/PMC/arXiv 之 OA 全文可挖，但订阅期刊全文受版权约束，综述生成须注明来源与许可。

③ 引文时效滞后：开放引文（OpenCitations 等）较出版滞后数月至一年，实时性弱于商业库。

④ API 计费转向：OpenAlex 2026 Q1 起 API 转向 credits 计费，重度调用需预算；核心数据仍免费。

⑤ Papers with Code 不确定性：原站关停，复活站（paperswithcode.co）由 Agent 维护，数据与 API 稳定性待观察。

十一、参考来源

OpenAlex 官方：openalex.org ｜ 关于页 help.openalex.org ｜ 2026 路线图 blog.openalex.org

Semantic Scholar API：api.semanticscholar.org

Open Academic Graph：xuezheku.aminer.cn ｜ open.aminer.cn

DBLP：dblp.org ｜ arXiv 批量：info.arxiv.org

PubMed/PMC：ncbi.nlm.nih.gov ｜ Crossref：crossref.org

OpenCitations：opencitations.hypotheses.org ｜ WikiCite/Wikidata：wikidata.org

Papers with Code 关停与复活：codesota.com ｜ 复活报道 myzaker.com

Connected Papers：connectedpapers.com ｜ S2ORC：github.com/catalyst-plus/s2orc

CiteSeerX：citeseerx.ist.psu.edu ｜ ORKG：orkg.org

AMiner：aminer.cn/data ｜ OpenKG.cn：openkg.cn

NSTL：nstl.gov.cn ｜ NCPSSD：ncpssd.org ｜ GoOA：gooa.las.ac.cn ｜ CN-DBpedia：kw.fudan.edu.cn

生成时间：2026-07-10 · 调研方式：四路并行代理检索 + 交叉核验 · 源文件：开放论文知识图谱调研报告.md