TB_KIS_THESIS_SENT_TAGGING.csv
항목 | 값 |
---|---|
파일명 | TB_KIS_THESIS_SENT_TAGGING.csv |
파일 포맷 | CSV |
설명 | 설명 없음 |
데이터셋 설명 | 논문 자동 요약 및 논문의 목적, 방법, 결과, 결론별 문서 분류를 위한 기계학습 데이터셋 [개요] ㅇ 논문 자동 요약 및 논문의 목적, 방법, 결과, 결론별 문서 분류를 위한 기계학습 데이터셋 ㅇ 국내 논문 본문 내 문장이 의도하는 역할(연구 목적, 방법, 결과)을 구분하는 태그 부착 문제정의, 가설설정, 기술정의, 대상데이터, 분석방법, 제안방법, 이론/모형, 성능/효과, 후속연구/제안 등 ㅇ 용량 및 건수: - 논문 개수: 14,083건 - 문장 개수: 155,740건 - 용량 : 79 MB [특징] ㅇ [구축 및 수집 방법] - 논문에서 구조적으로 중심적인 문장에 역할에 대한 의미 범주가 부착된 데이터를 논문 문장 의미태깅 데이터라고 정의함. - 과학연구에서 가장 일반적인 구조인 IMRaD(서론, 자료및방법, 결과, 토론)를 기반으로 정의하였으며, 논문을 보는 9개의 관점 초점에 따라 구조적인 의미로 의미 태그를 부여함. ㅇ [검증 방법] - 작업된 결과물의 품질 및 작업자들이 일관성있는 작업이 되도록 관리하였음. - 일정 비율의 완성된 결과물을 재작업하고 최종 결과에 대해 일관성을 비교하였으며, 구축에 참여한 작업자들 사이에 얼마나 일치하는 지 검사하고 불일치 정도에 따라 관리하였음. [활용사례] ㅇ (2022년 과학기술·공공 AI 데이터 분석활용 경진대회 장려상) Hierarchy-aware Label Semantics을 활용한 문장 태깅 분류 ㅇ (2022년 과학기술·공공 AI 데이터 분석활용 경진대회 장려상) 계층적 표현 및 손실함수와 레이블 임베딩을 활용한 논문 문장 의미 분류 모델 ※ 해당 데이터는 한국과학기술정보연구원 심사 후 이용가능합니다. |
url | 파일 다운로드 (안 되면 원본 페이지에서 다운 받으세요) |
원본 페이지 | https://dsz.kdata.or.kr/svc/data/search.do |
버전 | 2023-08-09 |
파일 크기 | 721 Byte |
행 수 | 9 100건 이하의 작은 데이터 |
컬럼 수 | 4 |
텍스트 인코딩 | utf-8 |
컬럼 구분자 | , 콤마 (COMMA) |
import pandas as pd
df = pd.read_csv('TB_KIS_THESIS_SENT_TAGGING.csv', on_bad_lines='skip', delimiter=',', encoding='utf-8', encoding_errors='ignore')
컬럼 | 타입 | 샘플 |
---|---|---|
DOC_ID | string | None |
SENTENCE | string | None |
TAG | string | None |
KEYSENTENCE | string | None |
항목 | 값 |
---|---|
column_info_url | https://dsz.kdata.or.kr/member/apply/add/data_detail.do?dataId=KIS_002 |
생성일시 | 2023-09-28T04:17:47.219968 |
아이디 | f7c7a89f-f31d-4649-9da6-c81f3bf3838f |
메타데이터 수정일시 | 2023-09-28T04:17:47.199677 |
데이터셋 아이디 | 70404def-f23c-4fc6-a402-163e64fe200f |
sample_url | https://dsz.kdata.or.kr/member/apply/add/data_detail.do?dataId=KIS_002 |
상태 | active |
url | https://dsz.kdata.or.kr/member/apply/add/data_detail.do?dataId=KIS_002 |