pt-sk/research_papers_short

该数据集包含机器学习领域的ArXiv论文。数据集是对原始数据集的一个版本，原始数据集来自Kaggle的ArXiv论文数据集。处理源数据的三个步骤包括：无用列的移除、训练测试集的分割以及文本中换行符和多余空格的去除。

原始信息汇总

数据集概述

数据集名称

• 名称: ML ArXiv Papers

数据集特征

• 特征1: title
  • 数据类型: string
• 特征2: abstract
  • 数据类型: string

数据集分割

• 训练集:
  • 样本数量: 105832
  • 数据大小: 130808836.19633989 bytes
• 测试集:
  • 样本数量: 11760
  • 数据大小: 14535413.803660113 bytes

数据集大小

• 下载大小: 81252051 bytes
• 总数据集大小: 145344250 bytes

语言

• 语言: en

任务类别

• 类别1: summarization
• 类别2: text2text-generation

标签

• 标签1: arxiv
• 标签2: ML