该数据集包含了从ScienceDirect上选取的10147篇计算机科学出版物的URL，内容涵盖了标题、摘要、作者撰写的研究亮点等多个部分。数据集被划分为训练集、验证集和测试集，分别包含8116、1017和1014个样本。为了提升研究亮点的自动生成效果，实验中采用了多种输入配置。该数据集的规模为10147篇出版物，任务目标是自动生成研究亮点。

arXiv160

AISE-TUDelft/MIA-near-public

文献数据挖掘

软件开发

该数据集包含了从GitHub仓库中提取的文件信息，包括文件的id、名称、路径、内容、大小、语言、扩展名、行数、平均行长度、最大行长度、字母数字比例等。同时，还包括了仓库的相关信息，如仓库名称、star数、fork数、open issue数、许可证类型和提取日期。另外，数据集还标识了文件在Redpajama、GitHubcode和StackExchange数据集中的重复情况。数据集分为训练集和测试集

Hugging Face2025-11-04 更新80

CMU Book Summary Dataset

文献数据挖掘

自然语言处理

Pulled from http://www.cs.cmu.edu/~dbamman/booksummaries.html.

kaggle2017-11-10 更新170

polygraf-ai/mirror_prompts_combined_v1

在线评论

文献数据挖掘

该数据集是一个包含多种类型特征的数据集，包括文本内容、评分、文本块、日期、用户信息、商家信息等，适用于多种文本分析和处理任务。数据集分为训练集，包含了大量的示例，适用于机器学习模型的训练。

Hugging Face2025-04-02 更新100