有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
Streptomyces sp.|微生物学数据集|生物信息学数据集
收藏DataCite Commons2025-01-07 更新2025-03-18 收录
下载链接：
https://bacdive.dsmz.de/index.php?site=pdf_view&id=108293&doi=doi:10.13145/bacdive108293.20241212.9.2
下载链接
链接失效反馈资源简介：
The range of data encompasses taxonomy, morphology, physiology, sampling and concomitant environmental conditions as well as molecular biology.
提供机构：
DSMZ
创建时间：
2024-12-17
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
AIS数据集
该研究使用了多个公开的AIS数据集，这些数据集经过过滤、清理和统计分析。数据集涵盖了多种类型的船舶，并提供了关于船舶位置、速度和航向的关键信息。数据集包括来自19,185艘船舶的AIS消息，总计约6.4亿条记录。
github 收录
Psych-101
Psych-101数据集是一个自然语言转录的心理学实验数据集，包含了160个心理学实验的逐次数据，涉及60,092名参与者，共记录了10,681,650次选择。数据集中的选择信息被封装在“<<”和“>>”标记中。数据集的主要用途是研究人类认知的基础模型。数据集提供了详细的实验文本、实验标识符和参与者标识符。数据集的语言为英语，使用Apache 2.0许可证。
huggingface 收录
LibriSpeech
LibriSpeech 是一个大约 1000 小时的 16kHz 英语朗读语音语料库，由 Vassil Panayotov 在 Daniel Povey 的协助下编写。数据来自 LibriVox 项目的已读有声读物，并经过仔细分割和对齐。
OpenDataLab 收录
NuminaMath-CoT
数据集包含约86万道数学题目，每道题目的解答都采用思维链（Chain of Thought, CoT）格式。数据来源包括中国高中数学练习题以及美国和国际数学奥林匹克竞赛题目。数据主要从在线考试试卷PDF和数学讨论论坛收集。处理步骤包括从原始PDF中进行OCR识别、分割成问题-解答对、翻译成英文、重新对齐以生成CoT推理格式，以及最终答案格式化。
huggingface 收录
TCM-SD
TCM-SD数据集是首个公开的大规模证型辨识基准，由北京理工大学计算机科学与技术学院创建。该数据集包含54,152条真实世界的临床记录，涵盖148种证型，旨在通过自然语言处理技术推动中医理论的实证研究。数据集的创建过程涉及从网站爬取大量未标记文本，构建中医领域特定的预训练语言模型ZY-BERT。TCM-SD数据集的应用领域主要集中在中医诊断与治疗系统中，特别是证型辨识任务，以解决中医领域数据驱动AI技术的进一步发展需求。
arXiv 收录