miladalsh/sci-news-valid

该数据集包含多个特征字段，主要涉及文章标题、文章内容、摘要、作者信息、来源、主题、引用、论文URL、新闻URL等。此外，还包括处理过的问题和焦点区域信息。数据集分为训练集，包含5618个样本，总大小为404301616字节。

The dataset includes multiple feature fields such as id, pr-title, pr-article, pr-summary, etc., primarily involving article titles, article content, summaries, author information, sources, topics, citations, paper URLs, news URLs, etc. Additionally, it includes processed questions and focus area information. The dataset is divided into a training set containing 5618 samples, with a total size of 404301616 bytes.

原始信息汇总

数据集概述

数据集特征

• id: 字符串类型
• pr-title: 字符串类型
• pr-article: 字符串类型
• pr-summary: 字符串类型
• sc-title: 字符串类型
• sc-article: 字符串类型
• sc-abstract: 字符串类型
• sc-section_names: 字符串序列类型
• sc-sections: 字符串序列类型
• sc-authors: 字符串序列类型
• source: 字符串类型
• Topic: 字符串类型
• Citation: 字符串类型
• Paper_URL: 字符串类型
• News_URL: 字符串类型
• pr-summary-and-article: 字符串类型
• focus_questions: 字符串类型
• focus_questions_processed: 序列类型
  • Label: 字符串类型
  • Focus Question: 字符串类型
• focus_paras: 字符串类型
• focus_area_processed: 序列类型
  • Label: 字符串类型
  • Focus Area: 字符串类型

数据集分割

• train:
  • 样本数量: 5618
  • 数据大小: 404301616 字节

数据集大小

• 下载大小: 203838119 字节
• 数据集总大小: 404301616 字节

配置

• default:
  • 数据文件路径: data/train-*