O Dia da Comunidade de ML é dia 9 de novembro! Junte-nos para atualização de TensorFlow, JAX, e mais Saiba mais

papéis científicos

  • Descrição:

Os conjuntos de dados de artigos científicos contêm dois conjuntos de documentos longos e estruturados. Os conjuntos de dados são obtidos dos repositórios ArXiv e PubMed OpenAccess.

Tanto "arxiv" quanto "pubmed" têm dois recursos:

FeaturesDict({
    'abstract': Text(shape=(), dtype=tf.string),
    'article': Text(shape=(), dtype=tf.string),
    'section_names': Text(shape=(), dtype=tf.string),
})
@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 (configuração padrão)

  • A inscrição Config: Documentos de repositório ArXiv.

  • Tamanho do conjunto de dados: 7.07 GiB

  • desdobramentos:

Dividir Exemplos
'test' 6.440
'train' 203.037
'validation' 6.436

Scientific_papers / pubmed

  • A inscrição Config: Documentos de repositório PubMed.

  • Tamanho do conjunto de dados: 2.34 GiB

  • desdobramentos:

Dividir Exemplos
'test' 6.658
'train' 119.924
'validation' 6.633