BASF-AI/CoconutSmiles2NameBitextMining2

--- dataset_info: features: - name: formula dtype: string - name: smiles dtype: string splits: - name: test num_bytes: 532021 num_examples: 5000 download_size: 261403 dataset_size: 532021 configs: - config_name: default data_files: - split: test path: data/test-* license: cc-by-nc-sa-4.0 language: - en tags: - chemistry - coconutdb - SMILES - chemteb size_categories: - 1K<n<10K pretty_name: CoconutDB SMILES to Formula Bitext Mining --- # CoconutDB SMILES to Formula Bitext Mining This dataset consists of two lists: one containing both isomeric and canonical SMILES strings, and the other containing the corresponding molecular formulas of chemical entities, sourced from [CoconutDB](https://coconut.naturalproducts.net/). The primary task is to identify matching pairs between the SMILES strings and their molecular formulas. Each SMILES string from the first list should be accurately aligned with its corresponding molecular formula from the second list. This dataset is a subset of [BASF-We-Create-Chemistry/CoconutSmiles2NameBitextMining](https://huggingface.co/datasets/BASF-We-Create-Chemistry/CoconutSmiles2NameBitextMining) with 5000 samples.数据集信息： 特征： - 名称：formula（分子式），数据类型：字符串 - 名称：smiles（SMILES，简化分子线性输入规范），数据类型：字符串 划分集： - 名称：test（测试集），字节数：532021，样本数：5000 下载大小：261403，数据集总大小：532021 配置： - 配置名称：default（默认配置），数据文件： - 划分集：test，路径：data/test-* 许可证：CC BY-NC-SA 4.0（知识共享署名-非商业性使用-相同方式共享4.0国际许可协议） 语言：英语 标签：化学、CoconutDB、SMILES（简化分子线性输入规范）、chemteb 样本规模类别：1K < n < 10K（样本量介于1000至10000之间） 友好显示名称：CoconutDB SMILES转分子式双文本挖掘数据集 # CoconutDB SMILES转分子式双文本挖掘数据集 本数据集包含两个列表：其一涵盖同分异构型与规范型SMILES字符串，其二收录对应化学实体的分子式，数据源自[CoconutDB](https://coconut.naturalproducts.net/)。其核心任务为识别SMILES字符串与其对应分子式的匹配配对，需将首个列表中的每条SMILES字符串精准对齐至第二列表中对应的分子式。本数据集为[BASF-We-Create-Chemistry/CoconutSmiles2NameBitextMining](https://huggingface.co/datasets/BASF-We-Create-Chemistry/CoconutSmiles2NameBitextMining)的子集，共包含5000个样本。