RealTimeData/arxiv_alltime

该数据集包含多个配置，每个配置对应一个特定的时间段（如2017年1月至2020年11月）。每个配置的数据集包含以下特征：entry_id（条目ID）、published（发布日期）、title（标题）、authors（作者列表）、primary_category（主要类别）、categories（类别列表）和text（文本内容）。数据集仅包含训练集，每个训练集都有相应的字节数和示例数。

This dataset contains multiple configurations, each corresponding to a specific time period (e.g., from January 2017 to November 2020). Each configuration includes the following features: entry_id (entry ID), published (publication date), title (title), authors (list of authors), primary_category (primary category), categories (list of categories), and text (text content). The dataset only contains training sets, and each training set has corresponding byte sizes and number of examples.

原始信息汇总

数据集概述

该数据集包含多个配置版本，每个版本涵盖不同月份的数据。以下是各配置版本的详细信息：

数据集配置版本

• 2017-01

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 19895148
      • 样本数: 482
  • 下载大小: 9877238
  • 数据集大小: 19895148

• 2017-02

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 20111448
      • 样本数: 499
  • 下载大小: 9967413
  • 数据集大小: 20111448

• 2017-03

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 20815725
      • 样本数: 500
  • 下载大小: 10425653
  • 数据集大小: 20815725

• 2017-04

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 21575576
      • 样本数: 527
  • 下载大小: 10815992
  • 数据集大小: 21575576

• 2017-05

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 18573038
      • 样本数: 473
  • 下载大小: 9309268
  • 数据集大小: 18573038

• 2017-06

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 22890828
      • 样本数: 507
  • 下载大小: 11343584
  • 数据集大小: 22890828

• 2017-07

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 19960611
      • 样本数: 493
  • 下载大小: 10152091
  • 数据集大小: 19960611

• 2017-08

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 19273098
      • 样本数: 474
  • 下载大小: 9615408
  • 数据集大小: 19273098

• 2017-09

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 22552151
      • 样本数: 532
  • 下载大小: 11305139
  • 数据集大小: 22552151

• 2017-10

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 21441238
      • 样本数: 496
  • 下载大小: 10519666
  • 数据集大小: 21441238

• 2017-11

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 20655484
      • 样本数: 520
  • 下载大小: 10411397
  • 数据集大小: 20655484

• 2017-12

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 19708202
      • 样本数: 479
  • 下载大小: 9849435
  • 数据集大小: 19708202

• 2018-01

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 18090140
      • 样本数: 488
  • 下载大小: 9163072
  • 数据集大小: 18090140

• 2018-02

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 25638031
      • 样本数: 530
  • 下载大小: 12602449
  • 数据集大小: 25638031

• 2018-03

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 19922782
      • 样本数: 512
  • 下载大小: 10043038
  • 数据集大小: 19922782

• 2018-04

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 20318335
      • 样本数: 499
  • 下载大小: 10264944
  • 数据集大小: 20318335

• 2018-05

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 19116513
      • 样本数: 493
  • 下载大小: 9561998
  • 数据集大小: 19116513

• 2018-06

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 21277471
      • 样本数: 511
  • 下载大小: 10625238
  • 数据集大小: 21277471

• 2018-07

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 20322860
      • 样本数: 517
  • 下载大小: 10250233
  • 数据集大小: 20322860

• 2018-08

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 20466912
      • 样本数: 504
  • 下载大小: 10207103
  • 数据集大小: 20466912

• 2018-09

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 21521957
      • 样本数: 516
  • 下载大小: 10292535
  • 数据集大小: 21521957

• 2018-10

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 22892365
      • 样本数: 532
  • 下载大小: 11360268
  • 数据集大小: 22892365

• 2018-11

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 22750886
      • 样本数: 531
  • 下载大小: 11400549
  • 数据集大小: 22750886

• 2018-12

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 19157411
      • 样本数: 475
  • 下载大小: 9548624
  • 数据集大小: 19157411

• 2019-01

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 21024786
      • 样本数: 498
  • 下载大小: 10499015
  • 数据集大小: 21024786

• 2019-02

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 21517028
      • 样本数: 506
  • 下载大小: 10736779
  • 数据集大小: 21517028

• 2019-03

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 21397298
      • 样本数: 500
  • 下载大小: 10804690
  • 数据集大小: 21397298

• 2019-04

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 23049654
      • 样本数: 535
  • 下载大小: 11329714
  • 数据集大小: 23049654

• 2019-05

  • 特征：
    • entry_id: string
    • published: string
    • title: string
    • authors: sequence of string
    • primary_category: string
    • categories: sequence of string
    • text: string
  • 分割：
    • train
      • 字节数: 21896838
      • 样本数: 522
  • 下载大小: 10901776
  • 数据集大小: 21896838

• 2019-06

  • 特征：
    • entry_id: string
    • published