Rebiber：使用官方信息标准化bibtex的工具。 我们经常引用使用他们的arXiv的论文版本不提的是，他们在一些会议已经发布。 这些非正式的围兜条目可能会违反某些会议的提交规则或适用于摄像头的版本规则。 我们引入Rebiber ，这是Python中的一个简单工具，可以自动修复它们。 它基于来自或的官方会议信息（适用于NLP会议）！ 您可以在查看支持的会议列表。 您可以用作简单的网络演示。 安装 pip install rebiber -U 要么 git clone https://github.com/yuchenlin/rebiber.git cd rebiber/ pip in

show-rank Extension for Google Chrome to show conference/journal rankings in search results. Currently supports CCF(China Computer Federation) rankings on , , and . 一个 Google Chrome 扩展，用于在论文搜索结果页面显示会议/期刊等级。目前支持在 , , 和 上显示 CCF （中国计算机协会）等级。 Intstall Install from Chrome Webstore / 从 Chrome 网上应用店上安装： Direct download / 直接下载： Introduction When searching for papers on the supported sites, the CCF rank

dblp测试数据集， 包括十六个会议的【部分内容】， 使用SDM, ICDM, ECML-­PKDD, PAKDD, WSDM, DMKD, TKDE, KDD Explorations, ACM Trans. On KDD, CVPR, ICML, NIPS, COLT、 CVPR、SIGIR、SIGKDD 十六个会议，至少从2000年至今的所有数据。 应用代码参考：http://blog.csdn.net/mmc2015/article/details/50988375 确实花了我很多时间搜集

自动化学科知识服务网络平台的数据处理算法 详情请见http://www.datatang.com/member/5878 和 http://www.cnblogs.com/finallyliuyu/

欢迎访问源代码资源库！ Welcome to visit source of swufe-ccf_show_ranking! 简介 swufe-ccf_show_ranking是踩在了巨人的肩膀上，我们利用了Github上开源的CCF插件二次制作而成，在此非常感谢作者的无私奉献。如果您需要该版本，请转到以下位置进行浏览和下载：, swufe-ccf_show_ranking 是一个，用于在论文搜索结果页面显示会议/期刊等级。 支持在（中文）、、、、 、、上显示（西南财经大学）等级 支持在、 Springer、 DBLP、 IEEExplore 和 ACM Digital Library 上显示 CCF （中国计算机学会）等级 知网 微软学术 谷歌学术 Springer IEEExplore ACM web of science 百度学术 SWUFE 支持（中文） 支持 支持 支持 支持 支

dblp到csv 将DBLP（计算机科学书目）XML文件转换为CSV格式。 用法 对于XML文件中的每个元素，例如文章，书籍，论文等，此工具将生成一个输出文件。 每个元素输出文件仅包含该元素的必要列，这意味着每一列在至少一行上将为非空。 当在一个元素上遇到多个相似的属性标签时，例如文章的多个作者，则这些值将包含在数组“ [item1 | item2 | ... | itemN]”中。 调用该工具时，将输入XML文件，DTD文件和所需的输出文件名格式作为参数传递； 例如output.csv将生成output_article.csv，output_book.csv等。 可选类型带注释的标题 可以

美国西部各州无向加权图电网数据。文件类型是用Gephi打开的，edges格式文件，用于复杂网络分析

DBLP的作者论文协作网络，可用于复杂网络中合作关系的生成，可直接导入使用

Phrase Analysis 说明： 数据仓库与数据挖掘大作业 2018年春 选用Apriori算法从多角度、多篮子粒度进行挖掘，并在多个数据集实现了多个应用。 运行： #Gutenberg数据集 python Associations.py #DBLP数据集 python task1_active.py #任务1 python task2_group.py #任务2 python task3_topic.py #任务3

dblp数据集中2017和2018年发表的论文情况，通过对原始的数据进行的清洗所得。 该资源为研究所用，使用请注明。