يقدم الباحثون مجموعة بيانات من التسميات على مستوى الأقسام لملايين الأوراق العلمية من Semantic Scholar Open Research Corpus (S2ORC). باستخدام خوارزمية تصنيف قائمة على القواعد، حددوا وعلّموا الأقسام الرئيسية في 15.6 مليون ورقة بعد تصفية الجودة.
- تغطي المجموعة البيانات بشكل أساسي تخصصات STEM مع تمثيل قوي في الطب والأحياء.
- تُظهر التحقق من الصحة أن اتفاق المُصنّف مع المقيّمين البشر يعادل الاتفاق بين المقيّمين البشر.
- يمكّن هذا المورد من دراسات حسابية واسعة النطاق للنمط العلمي وأنماط الكتابة.