KaggleMasterX/DPO_Data_Top5K

该数据集包含科学文献的相关信息，主要字段包括文献的唯一标识符（bibcode）、摘要（abstract）、标题（title）、发表年份（year）、阅读次数（read_count）、引用次数（citation_count）、关键词（keyword）、PDF链接（PDF_link_url）等。此外，还包含一些衍生字段，如对数阅读次数（log_read_count）、潜在阅读次数（latent_readcount）、对数引用次数（log_cite_count）等。数据集主要用于分析科学文献的阅读和引用行为，可能用于研究文献的影响力、读者兴趣等。

原始信息汇总

数据集概述

数据集特征

• bibcode: 字符串类型
• abstract: 字符串类型
• id: 整数类型（int64）
• title: 字符串类型
• year: 整数类型（int64）
• read_count: 整数类型（int64）
• cite_read_boost: 浮点数类型（float64）
• citation_count: 整数类型（int64）
• keyword: 字符串类型
• PDF_link_url: 字符串类型
• log_read_count: 浮点数类型（float64）
• latent_readcount: 浮点数类型（float64）
• log_cite_count: 浮点数类型（float64）
• latent_cite_count: 浮点数类型（float64）
• log_crb_count: 浮点数类型（float64）
• latent_crb_count: 浮点数类型（float64）
• clickbait: 整数类型（int64）
• tempread: 浮点数类型（float64）
• tempcit: 浮点数类型（float64）
• decision: 浮点数类型（float64）
• selected_title: 字符串类型
• rejected_title: 字符串类型

数据集划分

• train:
  • 数据量: 8612823字节
  • 示例数量: 5000

数据集大小

• 下载大小: 4667811字节
• 数据集大小: 8612823字节