CS-PaperSum：用于科学论文的大规模 AI 生成摘要数据集
信息检索
2025-03-03 v1
摘要
计算机科学领域科学文献的迅速扩展给追踪研究趋势和提取关键见解带来了挑战。现有数据集提供元数据，但缺乏能够捕捉核心贡献和方法的摘要。我们引入了 CS-PaperSum，一个包含来自 31 个顶级计算机科学会议的 91,919 篇论文的大规模数据集，并使用 ChatGPT 生成的结构化摘要进行了丰富。为了评估摘要质量，我们进行了嵌入对齐分析和关键词重叠分析，证明了对关键概念的强保留。我们进一步展示了一个关于 AI 研究趋势的案例研究，突出了方法论和跨学科交叉的转变，包括自监督学习、检索增强生成和多模态 AI 的兴起。我们的数据集能够实现自动化文献分析、研究趋势预测和 AI 驱动的科学发现，为研究人员、政策制定者和科学信息检索系统提供了宝贵的资源。
引用
@article{arxiv.2502.20582,
title = {CS-PaperSum: A Large-Scale Dataset of AI-Generated Summaries for Scientific Papers},
author = {Javin Liu and Aryan Vats and Zihao He},
journal= {arXiv preprint arXiv:2502.20582},
year = {2025}
}