शोधकर्ताओं ने सेमैंटिक शॉलर ओपन रिसर्च कॉर्पस (S2ORC) से लाखों वैज्ञानिक पत्रों के लिए खंड-स्तर की टिप्पणियों का डेटासेट प्रस्तुत किया। एक नियम-आधारित वर्गीकरण एल्गोरिदम का उपयोग करते हुए, उन्होंने गुणवत्ता फ़िल्टरिंग के बाद 15.6 मिलियन पत्रों में मुख्य खंडों की पहचान और लेबलिंग की।
- डेटासेट मुख्य रूप से STEM अनुशासनों को कवर करता है जिसमें चिकित्सा और जीव विज्ञान में मजबूत प्रतिनिधित्व है।
- मान्यीकरण दिखाता है कि वर्गीकारक और मानव टिप्पणीकारकों के बीच सहमति मानव अंतर-टिप्पणीकारक सहमति के बराबर है।
- संसाधन वैज्ञानिक विवाद और लेखन पैटर्न के बड़े पैमाने पर कंप्यूटेशनल अध्ययनों को सक्षम बनाता है।