南京理工大学 发布 用于结构功能识别的大规模数据集 数据集, 应用在 科学文本分析、自然语言处理 领域

南京理工大学 本次发布的数据集 用于结构功能识别的大规模数据集, 该数据集由南京理工大学信息管理系的研究人员创建，旨在通过自动识别科学论文中的结构功能，以提升科学论文的摘要质量。数据集由从arXiv和PubMed收集的原始文章组成，这些文章的章节标题被标准化为IMRaD格式，以便进行结构功能识别。通过训练一个分类器来自动识别章节中的关键结构组件，如背景、方法、结果、讨论等。最后，使用Longformer模型来捕捉丰富的上下文信息，生成科学论文的摘要。

查看用于结构功能识别的大规模数据集

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。