научные_бумаги

• Описание :

Наборы данных научных статей содержат два набора длинных и структурированных документов. Наборы данных получены из репозиториев ArXiv и PubMed OpenAccess.

И «arxiv», и «pubmed» имеют две особенности:

• статья: основная часть документа, абзацы разделены "/n".
• аннотация: аннотация документа, страницы, разделенные "/n".

• section_names: названия разделов, разделенные "/n".

• Дополнительная документация : изучить документы с кодом north_east

• Домашняя страница : https://github.com/armancohan/long-summarization

• Исходный код : tfds.datasets.scientific_papers.Builder

• Версии :

  • 1.1.0 : Нет примечаний к выпуску.
  • 1.1.1 (по умолчанию): нет примечаний к выпуску.

• Размер загрузки : 4.20 GiB

• Автоматическое кэширование ( документация ): Нет

• Структура функции :

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

• Документация по функциям :

• Контролируемые ключи (см. as_supervised doc ): ('article', 'abstract')

• Рисунок ( tfds.show_examples ): не поддерживается.

• Цитата :

@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 (конфигурация по умолчанию)

• Описание конфига : Документы из репозитория ArXiv.

• Размер набора данных : 7.07 GiB

• Сплиты :

• Примеры ( tfds.as_dataframe ):

научные_бумаги/опубликованные

• Описание конфига : Документы из репозитория PubMed.

• Размер набора данных : 2.34 GiB

• Сплиты :

• Примеры ( tfds.as_dataframe ):