librarian-bots/arxiv_articles_new_dataset_with_citation_info_and_hub_info

---
dataset_info:
features:
- name: id
dtype: string
- name: submitter
dtype: string
- name: authors
dtype: string
- name: title
dtype: string
- name: comments
dtype: string
- name: journal-ref
dtype: string
- name: doi
dtype: string
- name: report-no
dtype: string
- name: categories
dtype: string
- name: license
dtype: string
- name: abstract
dtype: string
- name: versions
list:
- name: version
dtype: string
- name: created
dtype: string
- name: update_date
dtype: timestamp[s]
- name: authors_parsed
sequence:
sequence: string
- name: prediction
dtype: string
- name: probability
dtype: float64
- name: citationCount
dtype: int64
- name: is_cited_on_hub
dtype: bool
splits:
- name: train
num_bytes: 70298541
num_examples: 42202
download_size: 39466135
dataset_size: 70298541
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "arxiv_articles_new_dataset_with_citation_info_and_hub_info"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

• 特征列表:
  • 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，包含 version 和 created，均为字符串类型
  • update_date: 时间戳类型
  • authors_parsed: 序列类型，包含字符串
  • prediction: 字符串类型
  • probability: 浮点数类型
  • citationCount: 整数类型
  • is_cited_on_hub: 布尔类型

数据分割

• 训练集:
  • 字节数: 70298541
  • 样本数: 42202

数据集大小

• 下载大小: 39466135 字节
• 数据集大小: 70298541 字节

配置

• 默认配置:
  • 数据文件路径: data/train-*