ACL OCL 语料库：推进计算语言学中的开放科学
计算与语言
2023-10-25 v2 数字图书馆
摘要
我们提出 ACL OCL，一个源自 ACL Anthology 的学术语料库，用于辅助计算语言学领域的开放科学研究。ACL OCL 整合并增强了先前版本的 ACL Anthology，提供了元数据、PDF 文件、引文图以及带有章节、图表并链接至大型知识资源（Semantic Scholar）的附加结构化全文。ACL OCL 跨越七十年，包含 73K 篇论文以及 210K 幅图表。我们重点展示了 ACL OCL 如何应用于观察计算语言学的趋势。通过使用有监督神经模型检测论文主题，我们注意到对“Syntax: Tagging, Chunking and Parsing（句法：标注、组块与解析）”的兴趣正在减弱，而“Natural Language Generation（自然语言生成）”正在复苏。我们的数据集可从 HuggingFace 获取（https://huggingface.co/datasets/WINGNUS/ACL-OCL）。
引用
@article{arxiv.2305.14996,
title = {The ACL OCL Corpus: Advancing Open Science in Computational Linguistics},
author = {Shaurya Rohatgi and Yanxia Qin and Benjamin Aw and Niranjana Unnithan and Min-Yen Kan},
journal= {arXiv preprint arXiv:2305.14996},
year = {2023}
}
备注
To appear in EMNLP2023