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")