BASF-AI/PubChemSMILESIsoDescPC

---
dataset_info:
features:
- name: description
dtype: string
- name: isomeric_smiles
dtype: string
- name: labels
dtype: int64
splits:
- name: test
num_bytes: 528788
num_examples: 2048
download_size: 238172
dataset_size: 528788
configs:
- config_name: default
data_files:
- split: test
path: data/test-*
task_categories:
- text-classification
language:
- en
tags:
- chemistry
- pubchem
- chemteb
pretty_name: PubChem Isomeric SMILES and Descriptions Pair Classification
size_categories:
- 1K<n<10K
license: cc-by-nc-sa-4.0
---
# PubChem Isomeric SMILES and Descriptions Pair Classification
This dataset contains pairs of isomeric SMILES strings and their corresponding descriptions, with labels indicating whether they refer to the same chemical entity. A label of 1 means the SMILES string and the description correspond to the same entity, while a label of 0 indicates they do not. The dataset is sourced from PubChem ([ChEBI](https://www.ebi.ac.uk/chebi/) source), and it provides valuable information for tasks involving chemical entity matching and description analysis.

数据集信息：
特征：
- 名称：描述（description），数据类型：字符串（string）
- 名称：异构SMILES（isomeric SMILES），数据类型：字符串（string）
- 名称：标签（labels），数据类型：64位整数（int64）
数据集划分：
- 名称：测试集（test），字节数：528788，样本数：2048
下载大小：238172，数据集总大小：528788
配置项：
- 配置名称：默认（default），数据文件：
- 划分：测试集，路径：data/test-*
任务类别：文本分类（text-classification）
语言：英语（en）
标签：化学（chemistry）、PubChem、chemteb
友好名称：PubChem异构SMILES与描述配对分类数据集
样本量区间：1000 < 样本数 < 10000
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协议）
---
# PubChem异构SMILES与描述配对分类数据集
本数据集包含异构SMILES（isomeric SMILES）字符串与其对应描述的配对样本，通过标签标注该配对是否指向同一化学实体。标签取值为1时，表示该SMILES字符串与描述对应同一化学实体；取值为0时则表示二者不对应同一实体。本数据集源自PubChem（[ChEBI](https://www.ebi.ac.uk/chebi/) 数据源），可为化学实体匹配与描述分析等相关任务提供有价值的支撑信息。