miladalsh/sci-news

该数据集包含新闻文章和科学论文的相关信息，如标题、文章内容、摘要、作者等。数据集分为训练集、验证集和测试集，分别包含60135、5618和5188个样本。数据集的下载大小为1377202459字节，总大小为2704078379字节。

This dataset contains information related to news articles and scientific papers, such as titles, article content, abstracts, authors, etc. The dataset is divided into training, validation, and test sets, containing 60135, 5618, and 5188 samples respectively. The download size of the dataset is 1377202459 bytes, and the total size is 2704078379 bytes.

原始信息汇总

数据集概述

数据集特征

• id: 字符串类型
• pr-title: 字符串类型
• pr-article: 字符串类型
• pr-summary: 字符串类型
• sc-title: 字符串类型
• sc-article: 字符串类型
• sc-abstract: 字符串类型
• sc-section_names: 字符串序列类型
• sc-sections: 字符串序列类型
• sc-authors: 字符串序列类型
• source: 字符串类型
• Topic: 字符串类型
• Citation: 字符串类型
• Paper_URL: 字符串类型
• News_URL: 字符串类型
• pr-summary-and-article: 字符串类型

数据集分割

• validation:
  • 字节数: 361718694
  • 样本数: 5618
• test:
  • 字节数: 328599393
  • 样本数: 5188
• train:
  • 字节数: 2013760292
  • 样本数: 60135

数据集大小

• 下载大小: 1377202459 字节
• 数据集总大小: 2704078379 字节

配置

• config_name: default
  • data_files:
    • validation: data/validation-*
    • test: data/test-*
    • train: data/train-*