midas/cstr

该数据集用于评估从英文科学论文中提取和生成关键词的技术。数据集包含文档的唯一标识符、文档内容、文档中每个单词的BIO标签、提取的关键词和抽象关键词。数据集分为训练集和测试集，训练集包含130个数据点，测试集包含500个数据点。

原始信息汇总

数据集概述

数据集目的

用于评估英语科学论文中的关键词提取和生成技术。

数据集结构

数据字段

• id: 文档的唯一标识符。
• document: 文档中的单词列表，以空格分隔。
• doc_bio_tags: 文档中每个单词的BIO标签，其中B表示关键词的开始，I表示关键词内部，O表示非关键词部分。
• extractive_keyphrases: 文档中出现的关键词列表。
• abstractive_keyphrase: 文档中未出现的关键词列表。

数据分割

• Train: 130个数据点
• Test: 500个数据点

数据集使用

通过load_dataset函数加载数据集，可以访问训练集和测试集中的样本，查看其字段和内容。