DFKI-SLT/science_ie

ScienceIE数据集是为SemEval任务设计的，旨在从科学文档中提取关键短语及其之间的关系。数据集来源于ScienceDirect的开放获取出版物，包含500段来自计算机科学、材料科学和物理学领域的期刊文章。数据集分为训练、开发和测试三部分，分别包含350、50和100个文档。数据集包含三个子任务：关键短语识别、关键短语分类和关键短语关系提取。数据集的默认配置将原始文件转换为字典格式，便于使用。

原始信息汇总

数据集概述

数据集基本信息

• 名称: ScienceIE
• 语言: 英语
• 许可证: 其他
• 多语言性: 单语
• 大小: 1K<n<10K
• 任务类型:
  • 令牌分类
  • 文本分类
• 任务ID:
  • 命名实体识别
  • 多类分类
• 描述: ScienceIE是一个用于SemEval任务的数据集，旨在从科学文档中提取关键短语及其之间的关系。

数据集结构

数据字段

• science_ie:

  • id: 文档实例ID，字符串类型。
  • text: 文档文本，字符串类型。
  • keyphrases: 关键短语列表，列表类型，包含字典。
    • id: 关键短语实例ID，字符串类型。
    • start: 关键短语起始字符偏移，整数类型。
    • end: 关键短语结束字符偏移，整数类型。
    • type: 关键短语类型，分类标签。
    • type_: 关键短语类型，字符串类型。
  • relations: 关系列表，列表类型，包含字典。
    • arg1: 第一个关键短语实例ID，字符串类型。
    • arg2: 第二个关键短语实例ID，字符串类型。
    • relation: 关系标签，分类标签。
    • relation_: 关系标签，字符串类型。

• subtask_a:

  • id: 句子实例ID，字符串类型。
  • tokens: 令牌列表，列表类型，字符串元素。
  • tags: 标签列表，列表类型，分类标签元素。

• subtask_b:

  • id: 句子实例ID，字符串类型。
  • tokens: 令牌列表，列表类型，字符串元素。
  • tags: 标签列表，列表类型，分类标签元素。

• subtask_c:

  • id: 句子实例ID，字符串类型。
  • tokens: 令牌列表，列表类型，字符串元素。
  • tags: 标签序列，列表类型，包含分类标签的列表元素。

• ner:

  • id: 句子实例ID，字符串类型。
  • tokens: 令牌列表，列表类型，字符串元素。
  • tags: 命名实体识别标签列表，列表类型，分类标签元素。

• re:

  • id: 句子实例ID，字符串类型。
  • tokens: 令牌列表，列表类型，字符串元素。
  • arg1_start: 关系arg1提及的起始令牌索引，整数类型。
  • arg1_end: 关系arg1提及的结束令牌索引，整数类型。
  • arg1_type: 关系arg1提及的关键短语类型，字符串类型。
  • arg2_start: 关系arg2提及的起始令牌索引，整数类型。
  • arg2_end: 关系arg2提及的结束令牌索引，整数类型。
  • arg2_type: 关系arg2提及的关键短语类型，字符串类型。
  • relation: 关系标签，分类标签。

数据分割

配置名称	训练	验证	测试
science_ie	350	50	100
subtask_a	2388	400	838
subtask_b	2388	400	838
subtask_c	2388	400	838
ner	2388	400	838
re	24558	4838	6618

数据集创建

注释过程

• 注释者: 专家生成
• 语言创建者: 发现

个人和敏感信息

• 信息: 未提供具体信息

使用数据集的考虑

社会影响

• 影响: 未提供具体信息

偏见讨论

• 偏见: 未提供具体信息

其他已知限制

• 限制: 未提供具体信息

附加信息

数据集管理员

• 管理员: 未提供具体信息

许可信息

• 许可证: 其他

引用信息

• 引用: 未提供完整引用信息