royokong/arxiv-abstract-23-24

---
dataset_info:
features:
- name: id
dtype: string
- name: submitter
dtype: string
- name: authors
dtype: string
- name: title
dtype: string
- name: comments
dtype: string
- name: journal-ref
dtype: string
- name: doi
dtype: string
- name: report-no
dtype: string
- name: categories
dtype: string
- name: license
dtype: string
- name: abstract
dtype: string
- name: versions
list:
- name: version
dtype: string
- name: created
dtype: string
- name: update_date
dtype: timestamp[s]
- name: authors_parsed
sequence:
sequence: string
splits:
- name: train
num_bytes: 366698422
num_examples: 218722
download_size: 208584439
dataset_size: 366698422
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征：
- 名称：id，数据类型：字符串
- 名称：提交者（submitter），数据类型：字符串
- 名称：作者（authors），数据类型：字符串
- 名称：标题（title），数据类型：字符串
- 名称：附注信息（comments），数据类型：字符串
- 名称：期刊引用（journal-ref），数据类型：字符串
- 名称：数字对象标识符（DOI），数据类型：字符串
- 名称：报告编号（report-no），数据类型：字符串
- 名称：分类（categories），数据类型：字符串
- 名称：许可证（license），数据类型：字符串
- 名称：摘要（abstract），数据类型：字符串
- 名称：版本信息（versions），列表类型：
- 名称：版本号（version），数据类型：字符串
- 名称：创建时间（created），数据类型：字符串
- 名称：更新日期（update_date），数据类型：秒级时间戳（timestamp[s]）
- 名称：解析后作者（authors_parsed），数据类型：字符串序列的序列
数据集划分：
- 名称：训练集（train），字节占用量：366698422，样本总数：218722
下载大小：208584439
数据集总字节量：366698422
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），数据路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• id: 字符串类型
• submitter: 字符串类型
• authors: 字符串类型
• title: 字符串类型
• comments: 字符串类型
• journal-ref: 字符串类型
• doi: 字符串类型
• report-no: 字符串类型
• categories: 字符串类型
• license: 字符串类型
• abstract: 字符串类型
• versions: 列表类型
  • version: 字符串类型
  • created: 字符串类型
• update_date: 时间戳类型
• authors_parsed: 序列类型，序列中的元素为字符串类型

数据集分割

• train:
  • 字节数: 366698422
  • 样本数: 218722

数据集大小

• 下载大小: 208584439 字节
• 数据集大小: 366698422 字节

配置

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