公共需求文档数据集PURE

数据集概述

该数据集包含从网络收集的79份公开自然语言需求文档，共34268个句子，适用于需求工程领域的自然语言处理任务，如模型合成、抽象识别等，可进一步标注为歧义检测等任务的基准。

文件详解

该数据集包含以下文件，具体说明如下： - 压缩文件： - requirements.zip：包含所有PDF格式的需求文档 - requirements-xml.zip：包含19份XML格式的需求文档子集 - 模式文件： - req_document.xsd：XML文件的XSD模式定义，用于规范XML文档结构

适用场景

• 需求工程领域的自然语言处理任务研究，如模型合成、抽象识别
• 需求文档结构评估与分析
• 歧义检测、需求分类等任务的基准数据集构建
• 需求文档语言特性与通用英语文本的对比研究
• XML格式需求文档的标准化处理与NLP实验复现支持