xueyong/papers-with-abstracts

--- dataset_info: features: - name: paper_url dtype: string - name: arxiv_id dtype: string - name: nips_id dtype: float64 - name: openreview_id dtype: string - name: title dtype: string - name: abstract dtype: string - name: short_abstract dtype: string - name: url_abs dtype: string - name: url_pdf dtype: string - name: proceeding dtype: string - name: authors list: string - name: tasks list: string - name: date dtype: timestamp[ns] - name: conference_url_abs dtype: string - name: conference_url_pdf dtype: string - name: conference dtype: string - name: reproduces_paper dtype: string - name: methods list: - name: code_snippet_url dtype: string - name: description dtype: string - name: full_name dtype: string - name: introduced_year dtype: int64 - name: main_collection struct: - name: area dtype: string - name: description dtype: string - name: name dtype: string - name: parent dtype: string - name: name dtype: string - name: source_title dtype: string - name: source_url dtype: string splits: - name: train num_bytes: 1895292456 num_examples: 576261 download_size: 579824540 dataset_size: 1895292456 configs: - config_name: default data_files: - split: train path: data/train-* --- > [!CAUTION] > This dataset will not be updated. It corresponds to the last available public snapshot of the data, retrieved on July 29th, 2025. >数据集信息： ## 特征字段 - 论文链接（paper_url）：字符串类型 - arXiv编号（arxiv_id）：字符串类型 - NIPS编号（nips_id）：64位浮点型 - OpenReview编号（openreview_id）：字符串类型 - 标题（title）：字符串类型 - 摘要（abstract）：字符串类型 - 简短摘要（short_abstract）：字符串类型 - 摘要页链接（url_abs）：字符串类型 - PDF下载链接（url_pdf）：字符串类型 - 会议论文集（proceeding）：字符串类型 - 作者（authors）：字符串列表 - 任务（tasks）：字符串列表 - 日期（date）：纳秒级时间戳类型（timestamp[ns]） - 会议摘要页链接（conference_url_abs）：字符串类型 - 会议PDF链接（conference_url_pdf）：字符串类型 - 会议名称（conference）：字符串类型 - 复现论文（reproduces_paper）：字符串类型 - 研究方法集（methods）：结构化列表，包含以下子字段： - 代码片段链接（code_snippet_url）：字符串类型 - 方法描述（description）：字符串类型 - 方法全称（full_name）：字符串类型 - 引入年份（introduced_year）：64位整型 - 主要分类集合（main_collection）：结构化类型，包含以下子字段： - 领域（area）：字符串类型 - 分类描述（description）：字符串类型 - 分类名称（name）：字符串类型 - 父分类（parent）：字符串类型 - 方法简称（name）：字符串类型 - 来源标题（source_title）：字符串类型 - 来源链接（source_url）：字符串类型 ## 数据划分 - 训练集（train）：数据字节数1895292456，样本总数576261 - 下载总大小：579824540字节 - 数据集总占用大小：1895292456字节 ## 配置项 - 默认配置（default）： - 数据文件： - 数据划分：训练集（train） - 文件路径：data/train-* --- > ⚠️ 注意：本数据集将不再更新，其对应2025年7月29日获取的最后一版公开数据快照。