Inspec是一个用于基准测试关键词提取和生成模型的数据集。该数据集包含2000篇从Inspec数据库中收集的科学论文摘要，关键词由专业索引员在不受控环境中标注。数据集分为训练、验证和测试三个部分，并提供了每个部分的文档数量、单词数量、关键词数量及其分类统计。数据集的文本预处理使用了spacy和nltk工具，关键词分类采用了PRMU方案。

Hugging Face2022-07-21 更新970

taln-ls2n/termith-eval

关键短语提取

自然语言处理

TermITH-Eval是一个用于关键词提取和生成模型基准测试的数据集。该数据集包含400篇法文科学论文的摘要，这些摘要来自法国科学和技术信息研究所的FRANCIS和PASCAL数据库。关键词由专业索引员在非受控环境下标注，并根据PRMU方案对参考关键词进行了分类。数据集还提供了文本预处理和词干提取的详细信息。

Hugging Face2022-09-23 更新240

taln-ls2n/semeval-2010-pre

文献数据挖掘

自然语言处理

Preprocessed SemEval-2010 Benchmark数据集是一个用于关键词提取和生成模型基准测试的数据集。该数据集包含244篇来自ACM数字图书馆的全文科学论文，关键词由读者和作者共同标注。数据集提供了四个不同级别的文档预处理，从原始文本到使用无监督摘要技术进一步精简的文本。数据集分为训练集和测试集，并提供了详细的统计信息和数据字段，包括文档的唯一标识符、标题、摘要、不同预处理级

Hugging Face2022-09-23 更新210

taln-ls2n/kptimes

文献数据挖掘

新闻信息处理

KPTimes是一个用于关键词提取和生成模型基准测试的数据集。该数据集包含290K篇英文新闻文章，来源于《纽约时报》和《日本时报》。关键词由编辑以半自动方式标注，即编辑修订算法提出的关键词集并提供额外的关键词。数据集还使用了PRMU方案对参考关键词进行分类。文本预处理使用spacy进行，词干提取使用nltk的Porters stemmer实现。数据集包含训练、验证和测试集，每个集都有详细的统计信息

Hugging Face2024-04-08 更新260

taln-ls2n/pubmed

生物医学

文献数据挖掘

--- annotations_creators: - unknown language_creators: - unknown language: - en license: - unknown multilinguality: - monolingual size_categories: - 1k<n<10k task_categories: - text-generation task_id

Hugging Face2022-10-26 更新210

taln-ls2n/SSI

资源简介：

数据集概述

任务类别

语言

相关数据集