数据集概述
该数据集包含50篇学术论文引言的XML标注文件，基于Swales的CaRS模型标注每个句子的修辞功能（Move 1-3及对应Step a-d）。论文来源于BioRxiv，覆盖动物行为与认知等5个生物学科，每类10篇，为学术写作修辞结构研究提供标注数据。
文件详解
- 目录结构：
- CaRS-50 Dataset Annotated corpus of rhetorical Mov/: 主目录
- CaRS-50 Dataset Annotated corpus of rhetorical Mov/Annotated Dataset/: 标注数据存储目录
- 文件内容：
- 50个XML格式文件（如text008.xml、text012.xml等），占比百分之百
- XML层级结构：
- : 根元素
- : 唯一标识符
- : 论文标题
- : 作者列表
- : DOI链接
- : 来源库（如biorxiv）
- : 学科分类
- : 引言文本容器
- : 段落
- : 句子
- : 句子唯一ID
- : 句子原始文本
- : 修辞标注（如2b，对应Move 2 Step b）
适用场景
- 学术写作研究：分析生物学科论文引言的修辞结构规律
- 自然语言处理：训练学术文本修辞功能自动识别模型
- 英语学术写作教学：设计学术论文引言写作的教学资源
- 语篇分析：探究不同生物子学科间的学术语篇修辞差异
