Chinese_book_dataset

中文图书分类数据集/自然语言处理/中国图书分类法/图书情报学/数据挖掘/文本分类/

若在科研论文、项目工程中使用了该数据集，欢迎引用：

蒋彦廷. 依据《中国图书馆分类法》的英文图书分类探索[J]. 北京大学学报（自然科学版）, 2023, 59(1): 11-20.

JIANG Yanting. English Books Automatic Classification According to CLC[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2023, 59(1): 11-20.

蒋彦廷，吴钰洁. 英文文献的《中图法》分类号自动标注研究——基于文本增强与类目映射策略[J].数字图书馆论坛(CSSCI扩展版)，2022（5）：39-46.

Jiang Yanting, Wu Yujie. Research on Automatic Chinese Library Classification Labeling for English Literature based on Text Data Augmentation and Classification Mapping Strategies[J]. Digital Library Forum, 2020(5): 39-46.

一个广泛搜集爬取的中文图书分类数据集

1.简介

这是一个广泛搜集爬取的中文图书分类数据集。数据采集自各大电子书网站。

2.数据集字段

数据集包含的字段有：书名、作者、出版社、关键词、摘要、中国图书分类号、出版年月7个字段。

3.数据规模

数据集包含13.3万余册图书信息。其中超过96.5%的图书，均为一个图书分类号。仅有少数图书具有多个图书分类号或没有分类号。

只含一个分类号的图书数量统计如下图所示：

4.用途

可用于数据挖掘、数据分析、自然语言处理、文献计量学、文本分类、图书情报研究与应用等领域。

注1：图书分类的标准

参考《中国图书馆分类法（中图法）》。http://www.ztflh.com/ 包含21个一级大类，200多个二级类，更多的三级类别。

中图法的一级图书类别：A马克思主义、列宁主义、毛泽东思想、邓小平理论；B哲学、宗教；C社会科学总论；D政治、法律；E军事；F经济；G文化、科学、教育、体育；H语言、文字；I文学；J艺术；K历史、地理；N自然科学总论；O数理科学和化学；P天文学、地球科学；Q生物科学；R医药、卫生；S农业科学；T工业技术；U交通运输；V航空、航天；X环境科学、安全科学

数据表字段

书名	作者	出版社	关键词	摘要	中国图书分类号	出版年月

下载地址

请邮件联系540980735@qq.com，或加qq号:540980735，或加微信号jyt629000获取。

2022-6-5 更新update

设计开发了针对英文文献智能分类与推荐的小程序，Windows环境下下载即可使用：

https://github.com/JiangYanting/English_books_classification_Program