kiyer/pathfinder_arxiv_data

该数据集包含多个特征，如广告ID（ads_id）、arXiv ID（arxiv_id）、标题（title）、摘要（abstract）、嵌入向量（embed）、UMAP坐标（umap_x, umap_y）、日期（date）、引用次数（cites）、书目代码（bibcode）、关键词（keywords）、ADS关键词（ads_keywords）、阅读次数（read_count）、DOI（doi）、作者（authors）、机构（aff）、引用书目代码（cite_bibcodes）和参考文献书目代码（ref_bibcodes）。数据集被分割为训练集（train），包含499142个样本，总大小为5674141019字节。

This dataset includes multiple features such as ads_id, arxiv_id, title, abstract, embed, umap_x, umap_y, date, cites, bibcode, keywords, ads_keywords, read_count, doi, authors, aff, cite_bibcodes, and ref_bibcodes. The dataset is split into a training set (train) containing 499,142 samples, with a total size of 5,674,141,019 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• ads_id: 字符串类型
• arxiv_id: 字符串类型
• title: 字符串类型
• abstract: 字符串类型
• embed: 浮点数序列类型
• umap_x: 浮点数类型
• umap_y: 浮点数类型
• date: 日期类型
• cites: 整数类型
• bibcode: 字符串类型
• keywords: 字符串序列类型
• ads_keywords: 字符串序列类型
• read_count: 整数类型
• doi: 字符串序列类型
• authors: 字符串序列类型
• aff: 字符串序列类型
• cite_bibcodes: 字符串序列类型
• ref_bibcodes: 字符串序列类型

数据分割

• train: 包含499142个样本，占用5674141019字节

数据集大小

• 下载大小: 4505570263字节
• 数据集大小: 5674141019字节

配置

• default: 包含训练数据文件路径为data/train-*