badrex/royal_society_corpus_LLM_generated_metadata

该数据集包含科学文章的相关信息，特征字段包括文章ID、修订标题、主题、摘要、科学学科、科学子学科、年份、年代和时期等。数据集包含一个训练集分割，共有17486个样本，文件大小为10430420字节。

The dataset includes multiple features such as article ID, revised title, topics, TLDR (Too Long; Didnt Read, i.e., article summary), scientific discipline, scientific subdiscipline, year, decade, and period. The dataset is divided into a training set with 17486 samples. The download size of the dataset is 5162093 bytes, and the dataset size is 10430420 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• article_id: 文章ID，数据类型为字符串。
• revised_title: 修订后的标题，数据类型为字符串。
• topics: 主题，数据类型为字符串序列。
• tldr: 简短摘要，数据类型为字符串。
• scientific_discipline: 科学学科，数据类型为字符串。
• scientific_subdiscipline: 科学子学科，数据类型为字符串。
• year: 年份，数据类型为整数。
• decade: 十年，数据类型为整数。
• period: 时期，数据类型为整数。

数据分割

• train: 训练集，包含17486个样本，总大小为10430420字节。

数据集大小

• 下载大小: 5162093字节
• 数据集总大小: 10430420字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*