德国乌尔姆大学 发布 CRAWLDoc 数据集, 应用在 元数据提取、计算机科学文献 领域

德国乌尔姆大学 本次发布的数据集 CRAWLDoc, CRAWLDoc 是一个用于评估从多种网络来源准确提取元数据的新方法。该数据集包含来自六个顶级出版商的600篇计算机科学出版物，每个出版物都有详细的元数据，包括标题、年份、作者姓名和所属机构。此外，每个出版物的网页上的所有外链都有二元相关性标签。该数据集旨在解决从具有不同布局和格式的网络文档中改进元数据提取的问题。

查看CRAWLDoc

README 内容： 

关于 德国乌尔姆大学 , 乌尔姆大学是位于德国巴登-符腾堡州乌尔姆市的一所大学，成立于1967年，是一所年轻的大学。该校在自然科学、工程科学、经济学等领域有较强的研究和教学实力。

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。