publikacje naukowe

• opis :

Zbiory danych artykułów naukowych zawierają dwa zestawy długich i ustrukturyzowanych dokumentów. Zbiory danych pochodzą z repozytoriów ArXiv i PubMed OpenAccess.

Zarówno „arxiv”, jak i „pubmed” mają dwie cechy:

• artykuł: treść dokumentu, strony oddzielone "/n".
• streszczenie: streszczenie dokumentu, strony oddzielone "/n".

• nazwy_sekcji: tytuły sekcji oddzielone "/n".

• Dodatkowa dokumentacja : Przeglądaj dokumenty z kodem na north_east

• Strona główna : https://github.com/armancohan/long-summarization

• Kod źródłowy : tfds.datasets.scientific_papers.Builder

• Wersje :

  • 1.1.0 : Brak informacji o wydaniu.
  • 1.1.1 (domyślnie): Brak informacji o wersji.

• Rozmiar pliku do pobrania : 4.20 GiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Struktura funkcji :

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

• Dokumentacja funkcji :

• Klucze nadzorowane (Patrz dokument as_supervised ): ('article', 'abstract')

• Rysunek ( tfds.show_examples ): Nieobsługiwany.

• Cytat :

@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}
}

science_papers/arxiv (domyślna konfiguracja)

• Opis konfiguracji : Dokumenty z repozytorium ArXiv.

• Rozmiar zestawu danych : 7.07 GiB

• Podziały :

• Przykłady ( tfds.as_dataframe ):

artykuły_naukowe/publikowane

• Opis konfiguracji : Dokumenty z repozytorium PubMed.

• Rozmiar zestawu danych : 2.34 GiB

• Podziały :

• Przykłady ( tfds.as_dataframe ):