ArxivPapers

displayName: ArxivPapers
license:
- Apache 2.0
mediaTypes:
- Text
paperUrl: https://arxiv.org/pdf/2004.14356v1.pdf
publishDate: "2020"
publishUrl: https://github.com/paperswithcode/axcell
publisher:
- DeepMind
- University College London
- Facebook
tags:
- Thesis
taskTypes:
- Text Mining
- Text Information Extraction

---
# 数据集介绍
## 简介
ArxivPapers 数据集是 2007 年至 2020 年间在 arXiv.org 上发表的超过 104K 篇与机器学习相关的未标记论文集合。该数据集包括大约 94K 篇论文（可以使用 LaTeX 源代码），这些论文采用结构化形式，其中论文分为标题、摘要、部分、段落和参考文献。此外，该数据集包含从 LaTeX 论文中提取的超过 277K 表。
由于论文许可，数据集作为元数据和开源管道发布，可用于获取和转换论文。
## 引文
```
@article{kardas2020axcell,
title={Axcell: Automatic extraction of results from machine learning papers},
author={Kardas, Marcin and Czapla, Piotr and Stenetorp, Pontus and Ruder, Sebastian and Riedel, Sebastian and Taylor, Ross and Stojnic, Robert},
journal={arXiv preprint arXiv:2004.14356},
year={2020}
}
```

## Download dataset
:modelscope-code[]{type="git"}

displayName: 显示名称：ArxivPapers
license: 许可协议：Apache 2.0
mediaTypes: 媒体类型：文本（Text）
paperUrl: 论文链接：https://arxiv.org/pdf/2004.14356v1.pdf
publishDate: 发布日期："2020"
publishUrl: 发布平台链接：https://github.com/paperswithcode/axcell
publisher: 发布机构：DeepMind、伦敦大学学院（University College London）、Facebook
tags: 标签：学位论文（Thesis）
taskTypes: 任务类型：文本挖掘（Text Mining）、文本信息抽取（Text Information Extraction）

---

# 数据集介绍
## 简介
ArxivPapers 数据集是2007年至2020年间arXiv.org平台上发布的超过10.4万篇机器学习相关未标注论文集合。该数据集包含约9.4万篇可获取LaTeX源代码的论文，采用结构化形式组织，涵盖论文标题、摘要、章节、段落及参考文献等模块。此外，数据集还包含从LaTeX格式论文中提取的超过27.7万张表格。
由于论文版权许可要求，本数据集以元数据及开源预处理管道的形式发布，用户可通过该管道获取并转换原始论文。
## 引文

@article{kardas2020axcell,
title={Axcell: 自动提取机器学习论文中的实验结果},
author={Kardas, Marcin and Czapla, Piotr and Stenetorp, Pontus and Ruder, Sebastian and Riedel, Sebastian and Taylor, Ross and Stojnic, Robert},
journal={arXiv预印本 arXiv:2004.14356},
year={2020}
}

## 数据集下载
:modelscope-code[]{type="git"}