PaperBLAST_Apr2017.tar.gz

NIAID Data Ecosystem2026-03-10 收录

蛋白质注释

文献数据挖掘

数据链接：

https://figshare.com/articles/dataset/PaperBLAST_Apr2017_tar_gz/4836407 数据链接链接失效反馈

官方服务：

资源简介：

This the April 2017 version of the PaperBLAST database, a collection of protein sequences that are linked to scientific articles.

创建时间：

2017-04-10

irds/gov2_trec-tb-2006_efficiency_stream4

信息检索

文献数据挖掘

--- pretty_name: '`gov2/trec-tb-2006/efficiency/stream4`' viewer: false source_datasets: ['irds/gov2'] task_categories: - text-retrieval --- # Dataset Card for `gov2/trec-tb-2006/efficiency/stream4`

Hugging Face2023-01-05 更新140

darknight054/pubmed_clean

生物医学

文献数据挖掘

这是一个经过清理的PubMed商业可用文件数据集，包含生物学和医学相关的信息。

Hugging Face2025-01-14 更新130

dgambettaphd/D_gen9_run2_llama2-7b_wiki_doc1000_real32_synt96

自然语言处理

文献数据挖掘

该数据集包含1000个样本，每个样本包含一个唯一的id和一个doc字段，doc字段存储文档内容。数据集仅包含一个训练分割，占用524011字节，下载大小为288729字节。

Hugging Face2024-12-03 更新80

Marcus2112/minipile_density-proportioned_tiny

自然语言处理

文献数据挖掘

这是一个基于The Pile Deduplicated的数据集，包含文本(text)和索引(pile_idx)两种特征。数据集被划分为训练集(train)、验证集(validation)和测试集(test)，分别包含842,967、500和10,000个示例。整个数据集大小为5,279,901,670字节，下载大小为2,903,588,242字节。数据集使用英语。

Hugging Face2025-01-23 更新130

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

PaperBLAST_Apr2017.tar.gz

资源简介：

相关数据集