新加坡国立大学 发布 ACL OCL Corpus 数据集, 应用在 计算语言学、学术语料库 领域

新加坡国立大学 本次发布的数据集 ACL OCL Corpus, ACL OCL Corpus是由新加坡国立大学计算机学院创建的一个学术语料库，源自ACL Anthology，旨在支持计算语言学领域的开放科学研究。该数据集整合并增强了之前的ACL Anthology版本，提供了元数据、PDF文件、引用图和附加的结构化全文，包含章节、图表和链接到大型知识资源（如Semantic Scholar）。ACL OCL涵盖了七个十年，包含73,000篇论文和210,000个图表。数据集通过监督神经模型检测论文主题，展示了计算语言学中的趋势，如对“句法：标记、分块和解析”的兴趣减退和对“自然语言生成”的兴趣复苏。该数据集适用于多模态研究，如图表标题生成，并通过链接大型科学知识图谱来丰富外部信息，如从Semantic Scholar获取的引用数据和与其他平台（如arXiv）的链接。

查看ACL OCL Corpus

Dataset card 内容： 

Files and versions 内容： 

关于 新加坡国立大学 , 新加坡国立大学（National University of Singapore，简称NUS）是新加坡最古老且最负盛名的大学之一，提供广泛的学科和研究领域，包括工程、科学、医学、社会科学和人文科学等。

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。