KaiserML/Techie_Filtered_Meta

---
dataset_info:
features:
- name: lens_id
dtype: string
- name: title
dtype: string
- name: publication_type
dtype: string
- name: year_published
dtype: float32
- name: date_published
dtype: string
- name: date_published_parts
sequence: int64
- name: created
dtype: string
- name: external_ids
list:
- name: type
dtype: string
- name: value
dtype: string
- name: open_access
struct:
- name: colour
dtype: string
- name: license
dtype: string
- name: authors
list:
- name: affiliations
list:
- name: country_code
dtype: string
- name: grid_id
dtype: string
- name: ids
list:
- name: type
dtype: string
- name: value
dtype: string
- name: name
dtype: string
- name: name_original
dtype: string
- name: collective_name
dtype: string
- name: first_name
dtype: string
- name: ids
list:
- name: type
dtype: string
- name: value
dtype: string
- name: initials
dtype: string
- name: last_name
dtype: string
- name: source
struct:
- name: asjc_codes
sequence: string
- name: asjc_subjects
sequence: string
- name: country
dtype: string
- name: issn
list:
- name: type
dtype: string
- name: value
dtype: string
- name: publisher
dtype: string
- name: title
dtype: string
- name: type
dtype: string
- name: fields_of_study
sequence: string
- name: languages
sequence: string
- name: start_page
dtype: string
- name: end_page
dtype: string
- name: author_count
dtype: float64
- name: is_open_access
dtype: bool
- name: source_urls
list:
- name: type
dtype: string
- name: url
dtype: string
- name: abstract
dtype: string
- name: references
list:
- name: lens_id
dtype: string
- name: references_count
dtype: float64
- name: scholarly_citations_count
dtype: float64
- name: scholarly_citations
sequence: string
- name: patent_citations
list:
- name: lens_id
dtype: string
- name: patent_citations_count
dtype: float64
- name: issue
dtype: string
- name: publication_supplementary_type
sequence: string
- name: volume
dtype: string
- name: conference
struct:
- name: instance
dtype: string
- name: location
dtype: string
- name: name
dtype: string
- name: mesh_terms
list:
- name: mesh_heading
dtype: string
- name: mesh_id
dtype: string
- name: qualifier_id
dtype: string
- name: qualifier_name
dtype: string
- name: chemicals
list:
- name: mesh_id
dtype: string
- name: registry_number
dtype: string
- name: substance_name
dtype: string
- name: keywords
sequence: string
- name: funding
list:
- name: country
dtype: string
- name: funding_id
dtype: string
- name: org
dtype: string
- name: clinical_trials
list:
- name: id
dtype: string
- name: registry
dtype: string
- name: pdf_urls
sequence: string
- name: domain
sequence: string
splits:
- name: train
num_bytes: 726171677.8835785
num_examples: 423860
download_size: 619298847
dataset_size: 726171677.8835785
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集特征

• lens_id: 字符串类型
• title: 字符串类型
• publication_type: 字符串类型
• year_published: 浮点数类型
• date_published: 字符串类型
• date_published_parts: 整数序列类型
• created: 字符串类型
• external_ids: 列表类型，包含：
  • type: 字符串类型
  • value: 字符串类型
• open_access: 结构类型，包含：
  • colour: 字符串类型
  • license: 字符串类型
• authors: 列表类型，包含：
  • affiliations: 列表类型，包含：
    • country_code: 字符串类型
    • grid_id: 字符串类型
    • ids: 列表类型，包含：
      • type: 字符串类型
      • value: 字符串类型
    • name: 字符串类型
    • name_original: 字符串类型
  • collective_name: 字符串类型
  • first_name: 字符串类型
  • ids: 列表类型，包含：
    • type: 字符串类型
    • value: 字符串类型
  • initials: 字符串类型
  • last_name: 字符串类型
• source: 结构类型，包含：
  • asjc_codes: 字符串序列类型
  • asjc_subjects: 字符串序列类型
  • country: 字符串类型
  • issn: 列表类型，包含：
    • type: 字符串类型
    • value: 字符串类型
  • publisher: 字符串类型
  • title: 字符串类型
  • type: 字符串类型
• fields_of_study: 字符串序列类型
• languages: 字符串序列类型
• start_page: 字符串类型
• end_page: 字符串类型
• author_count: 浮点数类型
• is_open_access: 布尔类型
• source_urls: 列表类型，包含：
  • type: 字符串类型
  • url: 字符串类型
• abstract: 字符串类型
• references: 列表类型，包含：
  • lens_id: 字符串类型
• references_count: 浮点数类型
• scholarly_citations_count: 浮点数类型
• scholarly_citations: 字符串序列类型
• patent_citations: 列表类型，包含：
  • lens_id: 字符串类型
• patent_citations_count: 浮点数类型
• issue: 字符串类型
• publication_supplementary_type: 字符串序列类型
• volume: 字符串类型
• conference: 结构类型，包含：
  • instance: 字符串类型
  • location: 字符串类型
  • name: 字符串类型
• mesh_terms: 列表类型，包含：
  • mesh_heading: 字符串类型
  • mesh_id: 字符串类型
  • qualifier_id: 字符串类型
  • qualifier_name: 字符串类型
• chemicals: 列表类型，包含：
  • mesh_id: 字符串类型
  • registry_number: 字符串类型
  • substance_name: 字符串类型
• keywords: 字符串序列类型
• funding: 列表类型，包含：
  • country: 字符串类型
  • funding_id: 字符串类型
  • org: 字符串类型
• clinical_trials: 列表类型，包含：
  • id: 字符串类型
  • registry: 字符串类型
• pdf_urls: 字符串序列类型
• domain: 字符串序列类型

数据集分割

• train: 包含423860个样本，占用726171677.8835785字节

数据集大小

• 下载大小: 619298847字节
• 数据集大小: 726171677.8835785字节

配置

• default: 包含训练数据，路径为data/train-*