konsman/quantum-physics-corpus
收藏Hugging Face2025-12-18 更新2025-12-20 收录
下载链接：
https://hf-mirror.com/datasets/konsman/quantum-physics-corpus
下载链接
链接失效反馈官方服务：
资源简介：
这是一个特定领域的语料库，通过本体引导的过滤方法从FineWeb-Edu创建。数据集的创建来源是HuggingFaceFW/fineweb-edu，过滤方法是基于嵌入的语义相似性子域中心，构建管道是本体引导的领域语料库构建器。每个块包含以下字段：文本内容（256-512个标记）、分配的子域ID、与子域中心的余弦相似度得分、标记数量、原始数据集名称、原始文档ID和块在源文档中的位置。
This is a domain-specific corpus created using ontology-guided filtering from FineWeb-Edu. The source of the dataset is HuggingFaceFW/fineweb-edu, the filtering method is semantic similarity to subdomain centroids (embedding-based), and the pipeline is Ontology-Guided Domain Corpus Builder. Each chunk contains the following fields: text content (256-512 tokens), assigned subdomain ID, cosine similarity score to subdomain centroid, token count, original dataset name, original document ID, and chunk position within the source document.
提供机构：
konsman
