konsman/adu-corpus
收藏Hugging Face2026-02-25 更新2026-03-29 收录
下载链接：
https://hf-mirror.com/datasets/konsman/adu-corpus
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
- config_name: arxiv-silver
features:
- name: sentence_id
dtype: string
- name: sentence_text
dtype: string
- name: source_dataset
dtype: string
- name: domain
dtype: string
- name: split
dtype: string
- name: adu_label
dtype: string
- name: original_label
dtype: string
- name: confidence
dtype: float64
- name: extra
struct:
- name: chunk_id
dtype: string
- name: llm_raw_confidence
dtype: float64
- name: modality
dtype: string
- name: reasoning
dtype: string
splits:
- name: train
num_bytes: 5293170
num_examples: 12266
- name: validation
num_bytes: 662993
num_examples: 1533
- name: test
num_bytes: 658649
num_examples: 1537
download_size: 2423620
dataset_size: 6614812
- config_name: csabstruct
features:
- name: sentence_id
dtype: string
- name: sentence_text
dtype: string
- name: source_dataset
dtype: string
- name: domain
dtype: string
- name: split
dtype: string
- name: adu_label
dtype: string
- name: original_label
dtype: string
- name: confidence
dtype: float64
- name: extra
struct:
- name: abstract_id
dtype: string
- name: sentence_pos
dtype: int64
splits:
- name: train
num_bytes: 3107708
num_examples: 10983
- name: validation
num_bytes: 589878
num_examples: 1959
- name: test
num_bytes: 363914
num_examples: 1288
download_size: 1402356
dataset_size: 4061500
- config_name: pubmed_rct
features:
- name: sentence_id
dtype: string
- name: sentence_text
dtype: string
- name: source_dataset
dtype: string
- name: domain
dtype: string
- name: split
dtype: string
- name: adu_label
dtype: string
- name: original_label
dtype: string
- name: confidence
dtype: float64
- name: extra
struct:
- name: pmid
dtype: string
- name: sentence_pos
dtype: int64
splits:
- name: train
num_bytes: 480507305
num_examples: 1761809
- name: validation
num_bytes: 65114235
num_examples: 229084
- name: test
num_bytes: 59310765
num_examples: 220968
download_size: 193209563
dataset_size: 604932305
- config_name: qp-silver
features:
- name: sentence_id
dtype: string
- name: sentence_text
dtype: string
- name: source_dataset
dtype: string
- name: domain
dtype: string
- name: split
dtype: string
- name: adu_label
dtype: string
- name: original_label
dtype: string
- name: confidence
dtype: float64
- name: extra
struct:
- name: chunk_id
dtype: string
- name: llm_raw_confidence
dtype: float64
- name: modality
dtype: string
- name: reasoning
dtype: string
splits:
- name: train
num_bytes: 460679
num_examples: 1090
- name: validation
num_bytes: 59023
num_examples: 136
- name: test
num_bytes: 58282
num_examples: 139
download_size: 220749
dataset_size: 577984
- config_name: sciarg
features:
- name: sentence_id
dtype: string
- name: sentence_text
dtype: string
- name: source_dataset
dtype: string
- name: domain
dtype: string
- name: split
dtype: string
- name: adu_label
dtype: string
- name: original_label
dtype: string
- name: confidence
dtype: float64
- name: extra
struct:
- name: doc_id
dtype: string
- name: adu_pos
dtype: int64
splits:
- name: train
num_bytes: 904340
num_examples: 3235
- name: validation
num_bytes: 64792
num_examples: 228
- name: test
num_bytes: 143700
num_examples: 521
download_size: 409098
dataset_size: 1112832
- config_name: theory-silver-v1
features:
- name: sentence_id
dtype: string
- name: sentence_text
dtype: string
- name: source_dataset
dtype: string
- name: domain
dtype: string
- name: split
dtype: string
- name: adu_label
dtype: string
- name: original_label
dtype: string
- name: confidence
dtype: float64
- name: extra
struct:
- name: chunk_id
dtype: string
- name: llm_raw_confidence
dtype: float64
- name: modality
dtype: string
- name: reasoning
dtype: string
splits:
- name: train
num_bytes: 3679472
num_examples: 9235
download_size: 1369286
dataset_size: 3679472
configs:
- config_name: arxiv-silver
data_files:
- split: train
path: arxiv-silver/train-*
- split: validation
path: arxiv-silver/validation-*
- split: test
path: arxiv-silver/test-*
- config_name: csabstruct
data_files:
- split: train
path: csabstruct/train-*
- split: validation
path: csabstruct/validation-*
- split: test
path: csabstruct/test-*
- config_name: pubmed_rct
data_files:
- split: train
path: pubmed_rct/train-*
- split: validation
path: pubmed_rct/validation-*
- split: test
path: pubmed_rct/test-*
- config_name: qp-silver
data_files:
- split: train
path: qp-silver/train-*
- split: validation
path: qp-silver/validation-*
- split: test
path: qp-silver/test-*
- config_name: sciarg
data_files:
- split: train
path: sciarg/train-*
- split: validation
path: sciarg/validation-*
- split: test
path: sciarg/test-*
- config_name: theory-silver-v1
data_files:
- split: train
path: theory-silver-v1/train-*
---
数据集信息：
- 配置名称：arxiv-silver
特征字段：
- 字段名：sentence_id，数据类型：字符串
- 字段名：sentence_text，数据类型：字符串
- 字段名：source_dataset，数据类型：字符串
- 字段名：domain，数据类型：字符串
- 字段名：split，数据类型：字符串
- 字段名：adu_label，论证话语单元（Argumentative Discourse Unit, ADU）标签，数据类型：字符串
- 字段名：original_label，数据类型：字符串
- 字段名：confidence，数据类型：64位浮点数
- 字段名：extra（结构体嵌套特征）：
- 字段名：chunk_id（块ID），数据类型：字符串
- 字段名：llm_raw_confidence，大语言模型（Large Language Model, LLM）原始置信度，数据类型：64位浮点数
- 字段名：modality（模态），数据类型：字符串
- 字段名：reasoning（推理过程），数据类型：字符串
数据集划分：
- 划分名称：train（训练集），字节数：5293170，样本数量：12266
- 划分名称：validation（验证集），字节数：662993，样本数量：1533
- 划分名称：test（测试集），字节数：658649，样本数量：1537
下载总大小：2423620，数据集总占用大小：6614812
- 配置名称：csabstruct
特征字段：
- 字段名：sentence_id，数据类型：字符串
- 字段名：sentence_text，数据类型：字符串
- 字段名：source_dataset，数据类型：字符串
- 字段名：domain，数据类型：字符串
- 字段名：split，数据类型：字符串
- 字段名：adu_label，论证话语单元（ADU）标签，数据类型：字符串
- 字段名：original_label，数据类型：字符串
- 字段名：confidence，数据类型：64位浮点数
- 字段名：extra（结构体嵌套特征）：
- 字段名：abstract_id（摘要ID），数据类型：字符串
- 字段名：sentence_pos（句子位置索引），数据类型：64位整数
数据集划分：
- 划分名称：train（训练集），字节数：3107708，样本数量：10983
- 划分名称：validation（验证集），字节数：589878，样本数量：1959
- 划分名称：test（测试集），字节数：363914，样本数量：1288
下载总大小：1402356，数据集总占用大小：4061500
- 配置名称：pubmed_rct
特征字段：
- 字段名：sentence_id，数据类型：字符串
- 字段名：sentence_text，数据类型：字符串
- 字段名：source_dataset，数据类型：字符串
- 字段名：domain，数据类型：字符串
- 字段名：split，数据类型：字符串
- 字段名：adu_label，论证话语单元（ADU）标签，数据类型：字符串
- 字段名：original_label，数据类型：字符串
- 字段名：confidence，数据类型：64位浮点数
- 字段名：extra（结构体嵌套特征）：
- 字段名：pmid（PubMed编号），数据类型：字符串
- 字段名：sentence_pos（句子位置索引），数据类型：64位整数
数据集划分：
- 划分名称：train（训练集），字节数：480507305，样本数量：1761809
- 划分名称：validation（验证集），字节数：65114235，样本数量：229084
- 划分名称：test（测试集），字节数：59310765，样本数量：220968
下载总大小：193209563，数据集总占用大小：604932305
- 配置名称：qp-silver
特征字段：
- 字段名：sentence_id，数据类型：字符串
- 字段名：sentence_text，数据类型：字符串
- 字段名：source_dataset，数据类型：字符串
- 字段名：domain，数据类型：字符串
- 字段名：split，数据类型：字符串
- 字段名：adu_label，论证话语单元（ADU）标签，数据类型：字符串
- 字段名：original_label，数据类型：字符串
- 字段名：confidence，数据类型：64位浮点数
- 字段名：extra（结构体嵌套特征）：
- 字段名：chunk_id（块ID），数据类型：字符串
- 字段名：llm_raw_confidence，大语言模型（LLM）原始置信度，数据类型：64位浮点数
- 字段名：modality（模态），数据类型：字符串
- 字段名：reasoning（推理过程），数据类型：字符串
数据集划分：
- 划分名称：train（训练集），字节数：460679，样本数量：1090
- 划分名称：validation（验证集），字节数：59023，样本数量：136
- 划分名称：test（测试集），字节数：58282，样本数量：139
下载总大小：220749，数据集总占用大小：577984
- 配置名称：sciarg
特征字段：
- 字段名：sentence_id，数据类型：字符串
- 字段名：sentence_text，数据类型：字符串
- 字段名：source_dataset，数据类型：字符串
- 字段名：domain，数据类型：字符串
- 字段名：split，数据类型：字符串
- 字段名：adu_label，论证话语单元（ADU）标签，数据类型：字符串
- 字段名：original_label，数据类型：字符串
- 字段名：confidence，数据类型：64位浮点数
- 字段名：extra（结构体嵌套特征）：
- 字段名：doc_id（文档ID），数据类型：字符串
- 字段名：adu_pos（论证话语单元位置索引），数据类型：64位整数
数据集划分：
- 划分名称：train（训练集），字节数：904340，样本数量：3235
- 划分名称：validation（验证集），字节数：64792，样本数量：228
- 划分名称：test（测试集），字节数：143700，样本数量：521
下载总大小：409098，数据集总占用大小：1112832
- 配置名称：theory-silver-v1
特征字段：
- 字段名：sentence_id，数据类型：字符串
- 字段名：sentence_text，数据类型：字符串
- 字段名：source_dataset，数据类型：字符串
- 字段名：domain，数据类型：字符串
- 字段名：split，数据类型：字符串
- 字段名：adu_label，论证话语单元（ADU）标签，数据类型：字符串
- 字段名：original_label，数据类型：字符串
- 字段名：confidence，数据类型：64位浮点数
- 字段名：extra（结构体嵌套特征）：
- 字段名：chunk_id（块ID），数据类型：字符串
- 字段名：llm_raw_confidence，大语言模型（LLM）原始置信度，数据类型：64位浮点数
- 字段名：modality（模态），数据类型：字符串
- 字段名：reasoning（推理过程），数据类型：字符串
数据集划分：
- 划分名称：train（训练集），字节数：3679472，样本数量：9235
下载总大小：1369286，数据集总占用大小：3679472
配置列表：
- 配置名称：arxiv-silver
数据文件：
- 划分：train（训练集），路径：arxiv-silver/train-*
- 划分：validation（验证集），路径：arxiv-silver/validation-*
- 划分：test（测试集），路径：arxiv-silver/test-*
- 配置名称：csabstruct
数据文件：
- 划分：train（训练集），路径：csabstruct/train-*
- 划分：validation（验证集），路径：csabstruct/validation-*
- 划分：test（测试集），路径：csabstruct/test-*
- 配置名称：pubmed_rct
数据文件：
- 划分：train（训练集），路径：pubmed_rct/train-*
- 划分：validation（验证集），路径：pubmed_rct/validation-*
- 划分：test（测试集），路径：pubmed_rct/test-*
- 配置名称：qp-silver
数据文件：
- 划分：train（训练集），路径：qp-silver/train-*
- 划分：validation（验证集），路径：qp-silver/validation-*
- 划分：test（测试集），路径：qp-silver/test-*
- 配置名称：sciarg
数据文件：
- 划分：train（训练集），路径：sciarg/train-*
- 划分：validation（验证集），路径：sciarg/validation-*
- 划分：test（测试集），路径：sciarg/test-*
- 配置名称：theory-silver-v1
数据文件：
- 划分：train（训练集），路径：theory-silver-v1/train-*
提供机构：
konsman
