--- dataset_info: features: - name: headings sequence: string - name: keywords sequence: string - name: title dtype: string - name: id dtype: string - name: sections se

Hugging Face2024-03-01 更新170

lmcinnes/arxiv_archive

学术论文

自然语言处理

该数据集包含论文的元数据信息，如创建日期、摘要、标题、分类信息等，并且每个论文都有一个arXiv ID。此外，数据集还包含了嵌入表示和数据映射。数据集被划分为训练集，大小为18,140,731,439字节，共有2,477,303个示例。

Hugging Face2025-06-20 更新120

客家委員會客語辭彙(已不適用)

客家语言

语言学

客語詞彙資料庫網站，可透過腔調種類（四縣、饒平、六堆、海陸、美濃、詔安及大埔）、詞彙分類（30大類）及關鍵字，做為搜尋條件，每個詞彙有華語、英語的辭義解釋，並有造句範例說明及發音，透過線上即時播放功能。

台湾省政府资料开放平台2025-12-05 更新230

davanstrien/arxiv-metadata-snapshot-with-new-dataset-labels

学术论文

数据集标注

该数据集包含科学文献的元数据，涵盖了提交者、作者、标题、评论、期刊引用、DOI、报告编号、类别、许可证、摘要、版本、更新日期、解析后的作者列表以及一个分类标签。分类标签用于标识是否为新数据集。数据集被分割为训练集，包含5000个样本。

Hugging Face2024-07-18 更新140

客家委員會獎助客家研究優良博碩士論文概況(歷史資料不再更新)

资源简介：

相关数据集