俄罗斯科学院系统编程研究所 发布 news-page-dataset 数据集, 应用在 信息提取、自然语言处理 领域

俄罗斯科学院系统编程研究所 本次发布的数据集 news-page-dataset, 该数据集是由俄罗斯科学院系统编程研究所和莫斯科国立大学共同创建的大型开放访问数据集，专为列表页面设计。数据集包含13120个新闻列表网页，涵盖了多种类型的属性，如可选属性和多值属性，为现实世界列表页面提供了一个真实的表现。该数据集是俄语中首个针对此任务的公开数据集，旨在推进信息从多记录页面提取的研究。

查看news-page-dataset

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。