Preprocesamiento de publicaciones acerca de indentidad digital descentralizada y autgobernada.

NIAID Data Ecosystem2026-03-13 收录

数字身份

文献处理

数据链接：

https://figshare.com/articles/dataset/Referencias_sobre_SSI_obtenidas_en_formato_bibtex/19579492 数据链接链接失效反馈

官方服务：

资源简介：

Referencias en formato bibtex obtenidas de las bases de datos Scopus y WoS. Preprocesamiento con el paquete bibliometrix

创建时间：

2022-04-11

ReadingTimeMachine/rtm-sgt-ocr-v1

光学字符识别

文献处理

该数据集包含超过150万对合成的真实句子（SGT）与OCR句子对，用于OCR后校正任务。这些句子对是从arXiv批量下载的源文档中挖掘的，并使用Tesseract OCR引擎从编译的源文档生成的PDF页面中生成的OCR句子。数据集中的句子对来自1991-2011年的天文学文章，且未对任何PDF文档进行页面增强处理（即这些页面是‘干净’的，没有扭曲、灰尘等）。

Hugging Face2025-07-07 更新240

Replication Data for: Decoding Virtual Escapism: The Impact of Avatar Aesthetics on User Identity in the Metaverse

虚拟经济

数字身份

This dataset presents a comprehensive collection of transactional data pertaining to avatar skin purchases within the Decentraland metaverse, a prominent virtual world leveraging blockchain technology

DataONE2024-03-16 更新140

AlFrauch/arxive_dataset

学术文本挖掘

文献处理

--- dataset_info: features: - name: text dtype: string splits: - name: train num_bytes: 100081932758 num_examples: 1903579 download_size: 16157271684 dataset_size: 100081932758

Hugging Face2023-11-25 更新80

Vedavani-Dataset

语音识别

文献处理

Vedavani是一个针对吠陀梵语诗歌的自动语音识别（ASR）的基准数据集，包含来自《梨俱吠陀》和《阿闼婆吠陀》的丰富注释诗节，具有独特的韵律结构、语音复杂性和吟唱风格。

Hugging Face2025-08-09 更新140

mteb/arena-arxiv-7-2-24

文本嵌入模型基准测试

文献处理

`mteb/arena-arxiv-7-2-24`数据集是一个包含截至2024年7月2日ArXiv科学论文的全面集合，专为MTEB（大规模文本嵌入基准）竞技场设计，用于训练和评估嵌入模型。每个实例代表一篇ArXiv论文，包含唯一标识符、标题、摘要和类别。该数据集可用于训练新的嵌入模型、评估现有模型在科学文献上的表现，以及进行主题建模、文档分类或信息检索研究。

Hugging Face2024-07-29 更新130

Preprocesamiento de publicaciones acerca de indentidad digital descentralizada y autgobernada.

资源简介：

相关数据集