HC-85/arxiv-abstract-multilabel

该数据集名为Arxiv Abstract Multilabel Classification，主要用于多标签文本分类任务。数据集包含多个配置，每个配置都有不同的特征和分割信息。数据集的标签涉及多个学科领域，如计算机科学、经济学、数学、物理学等。数据集的大小在1M到10M之间，包含训练集、验证集和测试集。

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 大小类别: 1M<n<10M
• 任务类别: 文本分类
• 美观名称: Arxiv Abstract Multilabel Classification

数据集配置

1. label_ids

   • 特征:
     • abstract: 字符串类型
     • labels: 序列类型，int64
   • 分割:
     • train: 1688669个样本，1636587538字节
     • val: 482967个样本，468325229字节
     • test: 240988个样本，233186991字节
   • 下载大小: 2338253585字节
   • 数据集大小: 1519643120字节

2. merged-and-filtered

   • 特征:
     • abstract: 字符串类型
     • labels: 序列类型，float64
   • 分割:
     • train: 1603049个样本，2939246887字节
     • val: 458756个样本，823970423.363823字节
     • test: 228549个样本，410105295.34603506字节
   • 下载大小: 724705581字节
   • 数据集大小: 2193559663.493785字节

3. merged-and-filtered--over500chr

   • 特征:
     • abstract: 字符串类型
     • labels: 序列类型，float64
   • 分割:
     • train: 1390749个样本，2531733767.005333字节
     • val: 397774个样本，724179038.2071428字节
     • test: 198132个样本，360507326.04502314字节
   • 下载大小: 1285548062字节
   • 数据集大小: 3616420131.2574987字节

4. mnf-100k

   • 特征:
     • abstract: 字符串类型
     • labels: 序列类型，float64
   • 分割:
     • train: 70656个样本，134884517.7964507字节
     • val: 20021个样本，38230993.960651025字节
     • test: 10062个样本，19203592.703591544字节
   • 下载大小: 94447048字节
   • 数据集大小: 192319104.46069327字节

5. mnf-200k

   • 特征:
     • abstract: 字符串类型
     • labels: 序列类型，float64
   • 分割:
     • train: 140169个样本，267587012.78038236字节
     • val: 40054个样本，76484902.45741552字节
     • test: 20012个样本，38193430.44963963字节
   • 下载大小: 172552532字节
   • 数据集大小: 382265345.6874375字节

6. mnf-350k

   • 特征:
     • abstract: 字符串类型
     • labels: 序列类型，float64
   • 分割:
     • train: 300000个样本，572709399.6112885字节
     • val: 40054个样本，76484902.45741552字节
     • test: 10062个样本，19203592.703591544字节
   • 下载大小: 271927682字节
   • 数据集大小: 668397894.7722957字节

7. original

   • 特征:
     • abstract: 字符串类型
     • 多个领域标签，均为float32类型
   • 分割:
     • train: 1688669个样本，2832526041字节
     • val: 482967个样本，799842801字节
     • test: 240988个样本，398613463字节
   • 下载大小: 3407276170字节
   • 数据集大小: 1998299065字节

默认配置

• 配置名称: original
• 默认: true

标签

• 科学
• 学术