-
PEQQS_Based_科学文献数量型问答检索全流程评估数据集
2026年2月9日 30 106 3
数据集概述 本数据集聚焦科学文献中的数量型抽取式问答场景，包含1031篇农业科学摘要的数量答案标注，以及基于39个查询的1130条查询-文档相关性判断。数据集支持信息检索与问答模块的端到端评估，可用于研究检索质量对下游问答结果的影响，尤其是大语言模型处理无关文档时的幻觉问题。 文件详解 quantities_ground_truth.json...
-
LAGT_Based_多源整合古希腊文本语料库_v4_1
2026年1月30日 30 192 113
数据集概述 本数据集为LAGT（lemmatized ancient Greek texts）古希腊文本语料库，整合自Perseus数字图书馆、First 1000 Years of...
-
ACL_cite_Based_学术句子引用价值预测标注数据集
2026年1月29日 30 191 46
数据集概述 本数据集为NAACL 2021论文配套的ACL-cite数据集，包含从ACL Anthology学术文献中提取的270余万句学术文本，及对应句子是否需要引用的标注标签，用于研究上下文对句子引用价值预测的作用。数据集含三个CSV文件，按文档ID划分训练、验证和测试集。 文件详解 压缩包文件 文件名称：ACL-cite.zip 文件格式：ZIP...
-
Global_Stocktake_Based全球气候行动进展多语言机器学习分析数据
2026年1月15日 30 34 23
数据集概述 本数据集为《Progress on Climate Action: a Multilingual Machine Learning Analysis of the Global Stocktake》一文的配套数据，包含全球盘点气候行动相关的文本嵌入、文档项、主题关键词及段落、降维嵌入和元数据概述，支持气候变化领域的多语言文本分析研究。...
-
DUDE_Competition_Based_ICDAR2023文档理解竞赛训练验证测试集真值标注数据
2026年1月3日 30 108 60
数据集概述 本数据集为ICDAR 2023 DUDE竞赛提供训练、验证和测试集的真值标注，包含41454条标注数据，覆盖4974份文档。数据分为训练集、验证集和测试集，测试集为盲测集（无真值答案），已去除重复数据。 文件详解 文件名称：2023-03-23_DUDE_gt_test_PUBLIC.json 文件格式：JSON 字段映射介绍：...
-
俄语词义消歧语料库_RuSemCor
2025年12月23日 30 70 42
数据集概述 该数据集是一个为俄语设计的词义消歧语料库，通过WordNet进行语义标注，属于链接开放数据云（LLOD cloud）资源。包含标注数据文件和语料库归档文件，支持自然语言处理领域的词义消歧研究。 文件详解 文件名称: sense_annotations.tsv 文件格式: TSV (.tsv) 字段映射:...
-
西班牙语医学语义索引开发数据集
2025年12月18日 30 80 16
数据集概述 该数据集为西班牙语医学语义索引（MESINESP）开发集，含七百五十条经人工标注的医学文献记录，标注使用DeCS编码（西班牙语版MeSH术语），每条记录至少由两名索引员标注并达成共识，可用于医学语义索引相关研究。 文件详解 压缩文件: mesinesp-development-set.zip，格式为ZIP，包含两个开发子集 官方开发集:...
-
MedCodER医学编码生成式AI助手数据集
2025年12月15日 30 47 35
数据集概述 该数据集为MedCodER生成式AI医学编码助手项目提供支持，包含医疗记录文本、诊断编码及相关辅助文件，用于训练和验证AI模型的医学编码能力，为医疗编码自动化研究提供数据基础。 文件详解 数据文件（CSV格式）： text.csv：包含文档ID、医疗记录文本及ACI文档ID的测试集数据文件...
