MAdAiLab/patent_classification

该数据集包含文本和标签两个特征，其中文本特征为字符串类型，标签特征定义了8个技术领域类别。数据集分为训练集、验证集和测试集，分别有25000、5000和5000个样本。数据集的总下载大小为12067953字节，总数据集大小为24154688字节。

原始信息汇总

数据集概述

数据集特征

• text：文本内容，数据类型为字符串。
• label：标签，数据类型为分类标签，具体分类包括：
  • 0: Human Necessities
  • 1: Performing Operations; Transporting
  • 2: Chemistry; Metallurgy
  • 3: Textiles; Paper
  • 4: Fixed Constructions
  • 5: Mechanical Engineering; Lightning; Heating; Weapons; Blasting
  • 6: Physics
  • 7: Electricity
  • 8: General tagging of new or cross-sectional technology

数据集划分

• train：训练集，包含25000个样本，总大小为17225101字节。
• validation：验证集，包含5000个样本，总大小为3472854字节。
• test：测试集，包含5000个样本，总大小为3456733字节。

数据集大小

• 下载大小：12067953字节。
• 数据集总大小：24154688字节。

数据文件配置

• config_name：default
• data_files：
  • train：路径为data/train-*
  • validation：路径为data/validation-*
  • test：路径为data/test-*