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？
chreh/bbc_2021_2023|新闻数据数据集|文本分析数据集
收藏hugging_face2024-02-23 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/chreh/bbc_2021_2023
下载链接
链接失效反馈资源简介：
该数据集包含五个特征：标题（title）、发布日期（published_date）、描述（description）、内容（content）和链接（link），所有特征的数据类型均为字符串。数据集分为一个训练集（train），包含53714个样本，总大小为214407383字节。数据集的下载大小为108726297字节。数据集配置名为default，数据文件路径为data/train-*。
提供机构：
chreh
原始信息汇总
数据集概述
数据集信息
-
特征列表：
- title：字符串类型
- published_date：字符串类型
- description：字符串类型
- content：字符串类型
- link：字符串类型
-
数据分割：
- train：
- 字节数：214407383
- 样本数：53714
- train：
-
下载大小：108726297
-
数据集大小：214407383
配置
- 默认配置：
- 数据文件：
- train：路径为
data/train-*
- train：路径为
- 数据文件：
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
UniProt
UniProt（Universal Protein Resource）是全球公认的蛋白质序列与功能信息权威数据库，由欧洲生物信息学研究所（EBI）、瑞士生物信息学研究所（SIB）和美国蛋白质信息资源中心（PIR）联合运营。该数据库以其广度和深度兼备的蛋白质信息资源闻名，整合了实验验证的高质量数据与大规模预测的自动注释内容，涵盖从分子序列、结构到功能的全面信息。UniProt核心包括注释详尽的UniProtKB知识库（分为人工校验的Swiss-Prot和自动生成的TrEMBL），以及支持高效序列聚类分析的UniRef和全局蛋白质序列归档的UniParc。其卓越的数据质量和多样化的检索工具，为基础研究和药物研发提供了无可替代的支持，成为生物学研究中不可或缺的资源。
www.uniprot.org 收录
中国食物成分数据库
食物成分数据比较准确而详细地描述农作物、水产类、畜禽肉类等人类赖以生存的基本食物的品质和营养成分含量。它是一个重要的我国公共卫生数据和营养信息资源，是提供人类基本需求和基本社会保障的先决条件；也是一个国家制定相关法规标准、实施有关营养政策、开展食品贸易和进行营养健康教育的基础，兼具学术、经济、社会等多种价值。 本数据集收录了基于2002年食物成分表的1506条食物的31项营养成分（含胆固醇）数据，657条食物的18种氨基酸数据、441条食物的32种脂肪酸数据、130条食物的碘数据、114条食物的大豆异黄酮数据。
国家人口健康科学数据中心 收录
MedDialog
MedDialog数据集（中文）包含了医生和患者之间的对话（中文）。它有110万个对话和400万个话语。数据还在不断增长，会有更多的对话加入。原始对话来自好大夫网。
github 收录
Project Gutenberg
Project Gutenberg是一个提供免费电子书的数据集，包含超过60,000本免费电子书，涵盖了文学、历史、科学等多个领域。这些电子书主要以公共领域作品为主，用户可以自由下载和使用。
www.gutenberg.org 收录
UniMed
UniMed是一个大规模、开源的多模态医学数据集，包含超过530万张图像-文本对，涵盖六种不同的医学成像模态：X射线、CT、MRI、超声、病理学和眼底。该数据集通过利用大型语言模型（LLMs）将特定模态的分类数据集转换为图像-文本格式，并结合现有的医学领域的图像-文本数据，以促进可扩展的视觉语言模型（VLM）预训练。
github 收录