S2ORC

包含 8110 万篇英语学术论文的大型语料库，涵盖多个学科。丰富的元数据、论文摘要、已解决的参考书目以及 810 万篇开放获取论文的结构化全文。使用自动检测的引文、图形和表格的内联提及注释的全文，每个都链接到其相应的论文对象。将来自数百家学术出版商和数字档案馆的论文汇总到一个统一的来源中，并创建迄今为止最大的公开可用的机器可读学术文本集合。