艾伦人工智能研究所 发布 S2ORC 数据集, 应用在 学术研究、文本挖掘 领域

艾伦人工智能研究所 本次发布的数据集 S2ORC, S2ORC是由艾伦人工智能研究所创建的大规模学术论文数据集，包含8110万篇英语学术论文，覆盖多个学科领域。数据集不仅包含丰富的元数据和论文摘要，还包括810万篇开放获取论文的结构化全文。S2ORC通过整合数百个学术出版商和数字档案的数据，创建了迄今为止最大的公开可用机器可读学术文本集合。该数据集特别适合用于学术文本的文本挖掘研究和开发工具，旨在解决学术文献分析和信息检索中的问题。

查看S2ORC

关于 艾伦人工智能研究所 , 艾伦人工智能研究所是一家专注于AI研究和应用的高级研究机构。

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。