charlieoneill/jsalt-astroph-dataset

该数据集包含多个特征，如子文件夹名称、文件名、摘要、引言、结论、年份、月份和arXiv ID。数据集分为一个训练集，包含271,544个样本，总大小为3,037,144,193字节。下载大小为1,663,306,979字节。数据集的配置文件中指定了默认配置，数据文件路径为data/train-*。

The dataset includes multiple features such as subfolder name, filename, abstract, introduction, conclusions, year, month, and arXiv ID. The dataset is divided into a training set containing 271,544 samples with a total size of 3,037,144,193 bytes. The download size is 1,663,306,979 bytes. The datasets configuration file specifies a default configuration with data file paths as data/train-*.

原始信息汇总

数据集概述

数据集信息

特征

• subfolder: 字符串类型
• filename: 字符串类型
• abstract: 字符串类型
• introduction: 字符串类型
• conclusions: 字符串类型
• year: 整数类型
• month: 整数类型
• arxiv_id: 字符串类型

数据分割

• train:
  • 字节数: 3037144193
  • 样本数: 271544

数据集大小

• 下载大小: 1663306979 字节
• 数据集大小: 3037144193 字节

配置

• config_name: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*