AcademicEval/AcademicEval_Full

该数据集是一个用于摘要生成和文本生成的学术评估数据集，包含多个配置，每个配置有不同的特征和文件路径。数据集的特征包括文章的url、发布时间、标题、摘要、gt、主要类别、论文类别、更新时间、主要内容、作者、标签和类别序列等。数据集的语言为英语，大小在10K到100K之间。This dataset is an academic evaluation dataset for summarization and text generation, containing multiple configurations, each with different features and file paths. The features of the dataset include the articles url, published date, title, abstract, gt, primary category, paper category, updated date, main content, authors, label, and category sequence. The dataset is in English and ranges in size from 10K to 100K.

原始信息汇总

数据集概述

基本信息

• 许可证: CC BY 4.0
• 任务类别:
  • 摘要生成
  • 文本生成
• 语言: 英语
• 标签: croissant
• 数据集大小: 10K < n < 100K

数据集配置

配置: title_10K

• 特征:
  • url: string
  • published: string
  • title: string
  • abstract: string
  • gt: string
  • primary_cat: string
  • paper_cat: string
  • updated: string
  • main_content: string
  • authors: string
  • label: string
  • cats: sequence of string
• 数据文件:
  • train: title_10K/train_*.json
  • validation: title_10K/validation_*.json

配置: abs_9K

• 特征:
  • url: string
  • published: string
  • title: string
  • abstract: string
  • gt: string
  • primary_cat: string
  • paper_cat: string
  • updated: string
  • main_content: string
  • authors: string
  • label: string
  • cats: sequence of string
• 数据文件:
  • train: abs_9K/train_*.json
  • validation: abs_9K/validation_*.json

配置: intro_8K

• 特征:
  • url: string
  • published: string
  • title: string
  • abstract: string
  • gt: string
  • primary_cat: string
  • paper_cat: string
  • updated: string
  • main_content: string
  • authors: string
  • label: string
  • cats: sequence of string
• 数据文件:
  • train: intro_8K/train_*.json
  • validation: intro_8K/validation_*.json

数据集名称

• 名称: AcademicEval

搜集汇总

背景与挑战

背景概述

该数据集是一个中等规模的英文数据集，专注于学术文本的总结和文本生成任务，数据量在1万到10万之间，总文件大小为25.6 GB。它使用Croissant库，并采用cc-by-4.0许可证，但数据集查看器被禁用，且README文件为空，缺乏详细文档说明。