弗吉尼亚理工大学 发布 arXiv-URLs 数据集, 应用在 信息提取、开放科学 领域

弗吉尼亚理工大学 本次发布的数据集 arXiv-URLs, 该数据集名为arXiv-URLs，包含从arXiv上选取的10篇研究论文，旨在研究不同文件格式对URL提取的影响。数据集包括了PDF、文本、LaTeX和HTML格式的论文，并使用GROBID工具将PDF转换为XML格式。数据集可用于评估不同格式的URL提取性能，并为开放科学中的URL提取提供参考。

查看arXiv-URLs

README 内容： 

关于 弗吉尼亚理工大学 , 弗吉尼亚理工大学是一所位于美国弗吉尼亚州的公立研究型大学，成立于1872年。该校以工程、建筑、农业和生命科学等领域的教学和研究而闻名，是美国东南部重要的学术中心之一。_simple

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。