annamkiepura99/paragraph-cited-papers

---
dataset_info:
features:
- name: corpus_id
dtype: string
- name: title
dtype: string
- name: abstract
dtype: string
- name: sections
list:
- name: header
dtype: string
- name: paragraphs
list: string
- name: citations
list:
- name: start
dtype: int64
- name: end
dtype: int64
- name: ref_id
dtype: string
- name: matched_paper_id
dtype: string
- name: citation_marker
dtype: string
splits:
- name: train
num_bytes: 48977376773
num_examples: 813430
download_size: 23269269693
dataset_size: 48977376773
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 名称：语料库ID（corpus_id），数据类型为字符串型
- 名称：标题（title），数据类型为字符串型
- 名称：摘要（abstract），数据类型为字符串型
- 名称：章节结构（sections），为列表类型，包含子字段：
- 章节标题（header）：数据类型为字符串型
- 段落（paragraphs）：字符串列表
- 名称：引用信息（citations），为列表类型，包含子字段：
- 起始位置（start）：数据类型为64位整型
- 结束位置（end）：数据类型为64位整型
- 引用ID（ref_id）：数据类型为字符串型
- 匹配论文ID（matched_paper_id）：数据类型为字符串型
- 引用标记（citation_marker）：数据类型为字符串型
数据划分：
- 划分名称：训练集（train），字节数：48977376773，样本数量：813430
下载大小：23269269693
数据集占用大小：48977376773
配置项：
- 配置名称：默认配置（default），数据文件：
- 对应划分：训练集（train），文件路径：data/train-*