Scientific_papers

  • 説明:

科学論文データセットには、構造化された長いドキュメントの 2 つのセットが含まれています。データセットは、ArXiv および PubMed OpenAccess リポジトリから取得されます。

「arxiv」と「pubmed」の両方に 2 つの機能があります。

FeaturesDict({
    'abstract': Text(shape=(), dtype=string),
    'article': Text(shape=(), dtype=string),
    'section_names': Text(shape=(), dtype=string),
})
  • 機能のドキュメント:
特徴クラスDtype説明
特徴辞書
概要文章ストリング
記事文章ストリング
section_names文章ストリング
@article{Cohan_2018,
   title={A Discourse-Aware Attention Model for Abstractive Summarization of
            Long Documents},
   url={http://dx.doi.org/10.18653/v1/n18-2097},
   DOI={10.18653/v1/n18-2097},
   journal={Proceedings of the 2018 Conference of the North American Chapter of
          the Association for Computational Linguistics: Human Language
          Technologies, Volume 2 (Short Papers)},
   publisher={Association for Computational Linguistics},
   author={Cohan, Arman and Dernoncourt, Franck and Kim, Doo Soon and Bui, Trung and Kim, Seokhwan and Chang, Walter and Goharian, Nazli},
   year={2018}
}

Scientific_papers/arxiv (デフォルト設定)

  • 構成の説明: ArXiv リポジトリからのドキュメント。

  • データセットサイズ: 7.07 GiB

  • スプリット:

スプリット
'test' 6,440
'train' 203,037
'validation' 6,436

Scientific_papers/pubmed

  • 構成の説明: PubMed リポジトリからのドキュメント。

  • データセットサイズ: 2.34 GiB

  • スプリット:

スプリット
'test' 6,658
'train' 119,924
'validation' 6,633