К содержимому

Датасет · woog

Полные тексты ML-статей OpenReview

woog/open-text-detector-papers

Корпус из 145 тыс. текстов научных статей по машинному обучению из PDF-файлов.

Что внутри

Датасет содержит текст и таблицы на английском языке, объем от 100K до 1M записей. Включает очищенный текст из материалов OpenReview с удаленными артефактами верстки.

Что можно сделать

  • Обучение языковых моделей на научных текстах
  • Задачи text-classification и анализа документов
Задачи
Классификация текста
Языки
Английский
Размер
100K–1M записей
Скачиваний за месяц
67,6 тыс.
Лайков
1

Как загрузить

from datasets import load_dataset

ds = load_dataset("woog/open-text-detector-papers")