math-similarity/class-zbmath-identifier

---
task_categories:
- text-classification
---
# class-zbmath-identifier

This is a proxy dataset to model semantic similarity of short mathematical texts from [zbMath](https://zbMath.org).This proxy only contains zbMath.org identifiers (aka an) instead of full titles / abstracts.

## Columns

* **an_a** (*string*): zbMath.org identifier of work *a*
* **MSC_a** (*string*): primary MSC₅ of work *a*
* **MSC2_a** (*list(string)*): secondary MSC₅s of work *a*
* **an_b** (*string*): zbMath.org identifier of work *b*
* **MSC_b** (*string*): primary MSC₅ of work *b*
* **MSC2_b** (*list(string)*): secondary MSC₅s of work *b*
* **label** (*bool*):
* **1**: semantically similar texts
* **0**: semantically dissimilar texts

The label is based on the MSC and MSC2 classification codes. If **MSC_a** and **MSC_b** are equal and **MSC2_a** and **MSC2_b** overlap in at least one code, works are defined as semantically similar.

原始信息汇总

数据集概述

数据集名称

class-zbmath-identifier

任务类别

• 文本分类

数据集描述

本数据集是一个代理数据集，用于模拟来自zbMath的短数学文本的语义相似性。该代理数据集仅包含zbMath.org的标识符（简称an），而非完整的标题或摘要。

数据集结构

列信息

• an_a (string): 作品a的zbMath.org标识符
• MSC_a (string): 作品a的主要MSC₅分类代码
• MSC2_a (list(string)): 作品a的次要MSC₅分类代码列表
• an_b (string): 作品b的zbMath.org标识符
• MSC_b (string): 作品b的主要MSC₅分类代码
• MSC2_b (list(string)): 作品b的次要MSC₅分类代码列表
• label (bool):
  • 1: 语义相似的文本
  • 0: 语义不相似的文本

标签定义

标签基于MSC和MSC2分类代码。如果MSC_a和MSC_b相等，且MSC2_a和MSC2_b至少有一个代码重叠，则定义作品为语义相似。