articles scientifiques

• Descriptif :

Les ensembles de données des articles scientifiques contiennent deux ensembles de documents longs et structurés. Les ensembles de données sont obtenus à partir des référentiels ArXiv et PubMed OpenAccess.

"arxiv" et "pubmed" ont deux fonctionnalités :

• article : le corps du document, pagragraphes séparés par "/n".
• résumé : le résumé du document, pagragraphes séparés par "/n".

• section_names : titres des sections, séparés par "/n".

• Documentation complémentaire : Explorer sur Papers With Code north_east

• Page d' accueil : https://github.com/armancohan/long-summarization

• Code source : tfds.datasets.scientific_papers.Builder

• Versions :

  • 1.1.0 : Aucune note de version.
  • 1.1.1 (par défaut) : aucune note de version.

• Taille du téléchargement : 4.20 GiB

• Mise en cache automatique ( documentation ): Non

• Structure des fonctionnalités :

FeaturesDict({
    'abstract': Text(shape=(), dtype=string),
    'article': Text(shape=(), dtype=string),
    'section_names': Text(shape=(), dtype=string),
})

• Documentation des fonctionnalités :

• Clés supervisées (Voir as_supervised doc ): ('article', 'abstract')

• Figure ( tfds.show_examples ) : non pris en charge.

• Citation :

@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}
}

articles_scientifiques/arxiv (configuration par défaut)

• Description de la configuration : Documents du référentiel ArXiv.

• Taille du jeu de données : 7.07 GiB

• Fractionnements :

• Exemples ( tfds.as_dataframe ):

articles_scientifiques/publication

• Description de la configuration : Documents du référentiel PubMed.

• Taille du jeu de données : 2.34 GiB

• Fractionnements :

• Exemples ( tfds.as_dataframe ):