ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

scicite

  • รายละเอียด:

นี่คือชุดข้อมูลสำหรับจำแนกความตั้งใจในการอ้างอิงในเอกสารทางวิชาการ ป้ายกำกับจุดประสงค์ในการอ้างอิงหลักสำหรับออบเจ็กต์ Json แต่ละอ็อบเจ็กต์ถูกระบุด้วยคีย์ป้ายกำกับ ขณะที่ระบุบริบทการอ้างอิงด้วยคีย์บริบท ตัวอย่าง: { 'string': 'ในลิงบาบูน chacma ความสัมพันธ์ระหว่างผู้ชายกับทารกสามารถเชื่อมโยงกับทั้งการสร้างมิตรภาพและความสำเร็จในการเป็นพ่อ [30,31]' 'sectionName': 'Introduction', 'label': 'background', 'citingPaperId': '7a6b2d4b405439', 'citedPaperId': '9d1abadc55b5e0', ... } คุณอาจได้รับข้อมูลทั้งหมดเกี่ยวกับกระดาษโดยใช้รหัสกระดาษที่ให้มา กับความหมายของนักวิชาการ API ( https://api.semanticscholar.org/ ) ป้ายกำกับคือ: วิธีการ, พื้นหลัง, ผลลัพธ์

  • โฮมเพจ: https://github.com/allenai/scicite

  • รหัสที่มา: tfds.text.Scicite

  • รุ่น:

    • 1.0.0 (เริ่มต้น): ไม่มีบันทึกประจำรุ่น
  • ขนาดการดาวน์โหลด: 22.12 MiB

  • ขนาดชุด: Unknown size

  • ออโต้แคช ( เอกสาร ): ไม่ทราบ

  • แยก:

แยก ตัวอย่าง
'test' 1,859
'train' 8,194
'validation' 916
  • คุณสมบัติ:
FeaturesDict({
    'citeEnd': tf.int64,
    'citeStart': tf.int64,
    'citedPaperId': Text(shape=(), dtype=tf.string),
    'citingPaperId': Text(shape=(), dtype=tf.string),
    'excerpt_index': tf.int32,
    'id': Text(shape=(), dtype=tf.string),
    'isKeyCitation': tf.bool,
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=3),
    'label2': ClassLabel(shape=(), dtype=tf.int64, num_classes=4),
    'label2_confidence': tf.float32,
    'label_confidence': tf.float32,
    'sectionName': Text(shape=(), dtype=tf.string),
    'source': ClassLabel(shape=(), dtype=tf.int64, num_classes=7),
    'string': Text(shape=(), dtype=tf.string),
})
  • อ้างอิง:
@InProceedings{Cohan2019Structural,
  author={Arman Cohan and Waleed Ammar and Madeleine Van Zuylen and Field Cady},
  title={Structural Scaffolds for Citation Intent Classification in Scientific Publications},
  booktitle="NAACL",
  year="2019"
}