연구자들은 Semantic Scholar Open Research Corpus (S2ORC) 에서 수백만 편의 과학 논문에 대한 섹션 수준 주석 데이터셋을 제시했습니다. 규칙 기반 분류 알고리즘을 사용하여 품질 필터링 후 1560만 편 이상의 논문에서 주요 섹션을 식별하고 레이블을 지정했습니다.
- 이 데이터셋은 주로 STEM 분야를 다루며 의학 및 생물학에서 강한 대표성을 보입니다.
- 검증 결과, 분류기와 인간 주석자 간의 일치도는 인간 간 주석자 일치도와 동등한 수준입니다.
- 이 자료는 과학적 담화 및 작성 패턴에 대한 대규모 계산 연구를 가능하게 합니다.