Bjanota11/arxiv-rag-papers

---
dataset_info:
features:
- name: Published
dtype: string
- name: Title
dtype: string
- name: Authors
dtype: string
- name: Summary
dtype: string
- name: entry_id
dtype: string
- name: published_first_time
dtype: string
- name: categories
sequence: string
- name: full_text
dtype: string
- name: full_text_len
dtype: int64
- name: full_text_num_words
dtype: int64
splits:
- name: train
num_bytes: 5942270
num_examples: 100
download_size: 3284707
dataset_size: 5942270
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征列表：
- 字段名：发布时间（Published），数据类型：字符串
- 字段名：标题（Title），数据类型：字符串
- 字段名：作者（Authors），数据类型：字符串
- 字段名：摘要（Summary），数据类型：字符串
- 字段名：条目ID（entry_id），数据类型：字符串
- 字段名：首次发布时间（published_first_time），数据类型：字符串
- 字段名：分类标签（categories），数据类型：字符串序列
- 字段名：完整文本（full_text），数据类型：字符串
- 字段名：完整文本长度（full_text_len），数据类型：64位整型
- 字段名：完整文本词数（full_text_num_words），数据类型：64位整型
数据集划分：
- 划分名称：训练集（train），占用字节数：5942270，样本总数：100
总下载大小：3284707
数据集总存储大小：5942270
配置项：
- 配置名称：默认配置（default）：
数据文件：
- 数据集划分：训练集（train），文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• Published: 数据类型为字符串
• Title: 数据类型为字符串
• Authors: 数据类型为字符串
• Summary: 数据类型为字符串
• entry_id: 数据类型为字符串
• published_first_time: 数据类型为字符串
• categories: 数据类型为字符串序列
• full_text: 数据类型为字符串
• full_text_len: 数据类型为整数
• full_text_num_words: 数据类型为整数

数据集分割

• train:
  • 字节数: 5942270
  • 示例数: 100

数据集大小

• 下载大小: 3284707字节
• 数据集大小: 5942270字节

配置

• config_name: default
• data_files:
  • split: train
  • path: data/train-*