AdithyaSK/Arxiv_AI_Research_Papers

该数据集包含多个字段，如id、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、更新日期和解析后的作者信息。每个字段都有指定的数据类型。数据集被分为一个训练集，包含10158个样本，总大小为15412051字节。

The dataset includes multiple fields such as id, submitter, authors, title, comments, journal-ref, doi, report-no, categories, license, abstract, versions, update_date, and parsed authors information. Each field has a specified data type. The dataset is divided into a training set containing 10158 samples, with a total size of 15412051 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• id: 字符串类型
• submitter: 字符串类型
• authors: 字符串类型
• title: 字符串类型
• comments: 字符串类型
• journal-ref: 字符串类型
• doi: 字符串类型
• report-no: 字符串类型
• categories: 字符串类型
• license: 字符串类型
• abstract: 字符串类型
• versions: 列表类型
  • version: 字符串类型
  • created: 字符串类型
• update_date: 整数类型
• authors_parsed: 序列类型，内部为字符串类型

数据分割

• train:
  • 字节数: 15412051
  • 样本数: 10158

数据集大小

• 下载大小: 8240109 字节
• 数据集大小: 15412051 字节

配置

• config_name: default
  • data_files:
    • split: train
    • path: data/train-*