dwb2023/arxiv-papers-dataset

该数据集包含学术文章的相关信息，如标题、作者、发布日期、更新日期、PDF链接、条目ID、摘要、分类、主要分类和HTML链接。数据集分为一个训练集，包含31个例子，总大小为51927字节。下载大小为42437字节。

This dataset contains information about academic papers, including title, list of authors, published and updated dates, PDF and HTML links, entry ID, summary, multiple categories, and primary category. The dataset is divided into a training set with 31 examples, totaling 51927 bytes, with a download size of 42437 bytes.

原始信息汇总

数据集概述

许可证

• 许可证类型: CC BY 4.0

数据集信息

特征

• title: 字符串类型
• authors: 字符串序列类型
• published: 字符串类型
• updated: 字符串类型
• pdf_url: 字符串类型
• entry_id: 字符串类型
• summary: 字符串类型
• categories: 字符串序列类型
• primary_category: 字符串类型
• html_url: 字符串类型

数据分割

• train:
  • 字节数: 51927
  • 样本数: 31

数据大小

• 下载大小: 42437 字节
• 数据集大小: 51927 字节

配置

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