Датасет · JonesLin
Корпус научных статей 2016-2021
JonesLin/writing-model-papers-2016-2021
Коллекция открытых научных текстов и метаданных из arXiv, CVF, NeurIPS и других площадок.
Что внутри
Датасет содержит метаданные и документы (текст, табличные данные) научных статей, опубликованных в период с 2016 по 2021 год (2022 год исключен). Источниками являются только открытые публикации (arXiv, ACL Anthology, PMLR и др.) в рамках лимита диска 48 ГБ. Метаданные хранятся в формате JSONL с полями title, year, authors, abstract, doi, arxiv_id.
Что можно сделать
- Обучение языковых моделей на научном тексте
- Задачи суммаризации текстов и извлечения информации
- Задачи
- Генерация текста
- Языки
- Английский
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 44,8 тыс.
- Лайков
- 0
Как загрузить
from datasets import load_dataset
ds = load_dataset("JonesLin/writing-model-papers-2016-2021")