siddharthl1293/engineering_design_facts

该数据集包含375,084个例句（187,200个正例，187,884个负例），每个例句包括一对实体及其之间的工程设计关系。数据集来源于4,205个USPTO授权的专利，并按照130个类别进行分层。数据集可用于训练标记分类和Seq2Seq转换器模型，以从工件描述中提取明确的工程设计事实。每个示例的输入是使用{HEAD ~ ...}和{TAIL ~ ...}标记的实体对，输出是这对实体之间的关系。

原始信息汇总

数据集概述

数据集信息

• 特征:

  • id: 字符串类型
  • sentence: 字符串类型
  • relation: 字符串类型
  • tokens: 字符串序列
  • tags: 字符串序列

• 分割:

  • train: 300067个样本，288609496字节
  • test: 37508个样本，36305820字节
  • validation: 37509个样本，36152287字节

• 下载大小: 107574628字节

• 数据集大小: 361067603字节

配置

• 默认配置:
  • train: data/train-*
  • test: data/test-*
  • validation: data/validation-*

许可

• MIT许可证

任务类别

• 令牌分类
• 文本生成
• 摘要生成

语言

• 英语

标签

• 工程设计
• 知识提取

数据集描述

• 包含375,084个示例句子，其中187200个为正例，187884个为负例。
• 每个示例包含一对实体及其之间的工程设计关系。
• 数据集通过4,205项由USPTO授予的专利中的句子手动构建，按130个类别进行分层。
• 用于训练令牌分类和Seq2Seq转换器模型，以从工件描述中填充显式的工程设计事实。
• 每个示例的输入为一对实体，使用{HEAD ~ ...}和{TAIL ~ ...}标记在句子中。
• 输出为实体对之间的关系，使用句子中的实际令牌标识。如果没有关系，输出为None。
• 可用于训练Seq2Seq模型（标记句子 --> 关系）和令牌分类模型（标记化标记句子 --> 令牌标签）。