Corran/Jan2023Abstracts

--- dataset_info: features: - name: corpusid dtype: int64 - name: openaccessinfo struct: - name: externalids struct: - name: ACL dtype: string - name: ArXiv dtype: string - name: DOI dtype: string - name: MAG dtype: string - name: PubMedCentral dtype: string - name: license dtype: string - name: status dtype: string - name: url dtype: string - name: abstract dtype: string - name: updated dtype: string splits: - name: train num_bytes: 72173232090 num_examples: 55324451 download_size: 43689807417 dataset_size: 72173232090 --- # Dataset Card for "Jan2023Abstracts" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)数据集信息： 特征： - 名称：语料库ID (corpusid)，数据类型：int64 - 名称：开放获取信息 (openaccessinfo)，为结构体类型，包含以下子字段： - 名称：外部标识符 (externalids)，为结构体类型，包含： - ACL，数据类型：字符串 (string) - ArXiv，数据类型：字符串 (string) - 数字对象标识符 (DOI)，数据类型：字符串 (string) - MAG，数据类型：字符串 (string) - PubMedCentral (PubMed中心)，数据类型：字符串 (string) - 名称：许可证 (license)，数据类型：字符串 (string) - 名称：状态 (status)，数据类型：字符串 (string) - 名称：链接 (url)，数据类型：字符串 (string) - 名称：摘要 (abstract)，数据类型：字符串 (string) - 名称：更新时间 (updated)，数据类型：字符串 (string) 数据集划分： - 名称：训练集 (train)，占用字节数：72173232090，样本总量：55324451 下载大小：43689807417 数据集总大小：72173232090 --- # "2023年1月摘要"数据集卡片 [需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• Jan2023Abstracts

数据集特征

• corpusid: 数据类型为 int64。
• openaccessinfo: 结构化数据类型，包含以下子特征：
  • externalids: 包含多个外部标识符，每个标识符的数据类型为 string，具体包括：
    • ACL
    • ArXiv
    • DOI
    • MAG
    • PubMedCentral
  • license: 数据类型为 string。
  • status: 数据类型为 string。
  • url: 数据类型为 string。
• abstract: 数据类型为 string。
• updated: 数据类型为 string。

数据集分割

• train:
  • 数据量: 72173232090 字节
  • 示例数量: 55324451

数据集大小

• 下载大小: 43689807417 字节
• 数据集总大小: 72173232090 字节