ReviewRobot Dataset

ReviewRobot 数据集
概述
该存储库包含论文 ReviewRobot 的数据：基于知识合成的可解释论文评论生成。 [数据集]
数据集
共有三个文件夹：Raw_data、IE_result 和 KGs。
原始数据文件夹
Raw_data 有两部分：背景语料库和论文评论语料库。
我们通过从语义学者开放研究语料库中选择与机器学习相关的论文来创建背景语料库。它包含从 1965 年到 2019 年（包括在内）发表的论文及其标题和摘要。
论文评论语料库包含解析的论文 pdf 及其相应的评论。 acl_2017 和 iclr_2017 文件夹的论文评论对来自 PeerRead 数据集。我们从 OpenReview 和 NeruIPS 获取其余部分。我们使用 GROBID 解析了这些 pdf。在每个文件夹中，metadata.txt 包含所有人工评论，而 txt/ 文件夹包含所有已处理的论文。
IE_result 文件夹
IE_result 文件夹包含来自 SciIE 的信息提取结果。在每个组中，*_json/ 包含标记化文本，*_output/ 包含标记化文本的 IE 结果。
Background_IE 包含一组中的两个文件夹，用于 1965 年至 2019 年的所有论文摘要。
Paper-review_IE 包含来自两组的四个文件夹。第一组：iclrnipsabs_json 和 iclrnipsabs_output 包含 Paper-review 语料库摘要的 IE 结果。第二组：iclrnips_json 和 iclrnips_output 包含 Paper-review 语料库中其余论文的 IE 结果。
幼儿园
KGs 文件夹包含基于 IE_result 构建的知识图谱。
back_kg
back_kg 包含了建立到某一年的背景 KG。每一年，有三个文件。
以 2012 年为例：
*   2012.pkl 包含截至（包括）2012 年的背景知识图。它包含 6 个字段的字典：num_doc 是截至该年的论文数量，cluster2entity 是从实体到其提及的映射，entity2cluster 是映射从mention到对应的entity，cluster2type是从entity到type的映射，entity是指当前KG中的所有mention，relationship是指当前KG中的所有关系。
*   2012_key.pkl 包含从知识元素到论文 ID 的映射。它有两个字段：cluster 是从实体到其对应的 paper id 的映射，relation 是从关系到对应的 paper id 的映射。
*   2012_paper 包含从论文 ID 到论文标题的映射。
想法公斤
idea_kg 文件夹包含由论文摘要和结论构成的想法 KG。每行是场地中的一篇论文，并具有以下字段：id 为论文 id，abs_num 为抽象句子的数量，send 用于与 idea_kg 相关的所有句子，entity 用于当前 KG 中的所有提及，cluster2sent 用于相应的句子 id对于特定实体，entity2num 用于特定提及的出现，relation2num 用于特定关系的出现，cluster2entity 用于从实体到其提及的映射，entity2type 包含从提及到类型的映射，关系中的所有关系当前 KG，relation2sent 用于特定关系的相应句子 id，entity2cluster 用于从提及到其相应实体的映射。
相关公斤
related_kg 包含根据每个场地的相关工作构建的相关 KG。它与idea_kg的结构相同。
贡献_kg
该contribute_kg 包含由论文贡献部分（在介绍部分下）和实验部分构成的贡献KG。它包含一个由 4 个字段组成的字典：id 表示论文 ID，total 表示贡献部分中涵盖的实体数量，covered 表示实验部分中涵盖的实体数量，从两个部分发送涵盖这些实体的相关句子。
未来_公斤
future_kg 包含根据每个场地的未来工作构建的未来 KG。它与idea_kg的结构相同。
评论-注释
Review-annotation 文件夹包含评论类别和论文评论句子对的人工注释。 review.txt 包含评论类别的注释，其中“SUMMARY”有 236 个句子，“NOVELTY”有 33 个句子，“SOUNDNESS_CORRECTNESS”有 174 个句子，“MEANINGFUL_COMPARISON”有 16 个句子，“IMPACT”有 14 个句子。 pair.txt 包含 2,535 对评论论文。对于每一对，第一个槽是评论句子；第二个槽是论文句子，第三个槽是标签，其中 0 表示两个句子不相关，1 表示它们相关。
执照
知识共享 — 署名 4.0 国际 — CC BY 4.0

搜集汇总

背景与挑战

背景概述

ReviewRobot数据集旨在支持基于知识合成的可解释论文评论生成研究，包含原始论文语料、信息提取结果、知识图谱及人工标注的评论数据。其数据来源于PeerRead、OpenReview和NeurIPS等公开资源，覆盖1965年至2019年的机器学习领域论文。