数据集概述
本数据集是用于研究自然语言中数学推理的多领域语料库，包含约三万条定理陈述及证明、一万五千条定义和两千页补充内容（如公理、推论），统一自ProofWiki、Stacks项目和数学教科书等来源，采用通用模式组织，支持非正式数学相关任务研究。
文件详解
- LICENSE
- 文件格式：无扩展名
- 字段映射介绍：数据集许可文件，包含使用权限和版权相关说明
- naturalproofs_stein.py
- 文件格式：.py
- 字段映射介绍：Python代码文件，可能用于数据集相关的数据处理或分析
- naturalproofs_stacks.json
- 文件格式：.json
- 字段映射介绍：Stacks项目来源的数学推理数据，包含定理、证明、定义等内容的结构化数据
- naturalproofs_trench.json
- 文件格式：.json
- 字段映射介绍：数学教科书来源的低资源数学推理数据，包含定理、证明、定义等内容的结构化数据
- naturalproofs_proofwiki.json
- 文件格式：.json
- 字段映射介绍：ProofWiki来源的广谱数学推理数据，包含定理、证明、定义等内容的结构化数据
数据来源
Welleck et al 2021及对应GitHub仓库
适用场景
- 数学推理模型训练: 用于训练和评估自然语言处理模型处理非正式数学内容的能力
- 数学知识图谱构建: 基于多源数学定义、定理和证明数据，构建结构化数学知识图谱
- 低资源数学文本处理: 利用教科书来源的低资源数据，研究数学领域少样本学习任务
- 多源数学数据融合: 分析不同来源（ProofWiki、Stacks项目、教科书）数学内容的差异与共性，探索统一表示方法
