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 :

FeaturesDict({
    'abstract': Text(shape=(), dtype=string),
    'article': Text(shape=(), dtype=string),
    'section_names': Text(shape=(), dtype=string),
})
  • Documentation des fonctionnalités :
Caractéristique Classe Façonner Dtype Description
FonctionnalitésDict
abstrait Texte chaîne de caractères
article Texte chaîne de caractères
noms_section Texte chaîne de caractères
@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 :

Diviser Exemples
'test' 6 440
'train' 203 037
'validation' 6 436

articles_scientifiques/publication

  • Description de la configuration : Documents du référentiel PubMed.

  • Taille du jeu de données : 2.34 GiB

  • Fractionnements :

Diviser Exemples
'test' 6 658
'train' 119 924
'validation' 6 633