rntc/istex-reform-scientific

---
dataset_info:
features:
- name: abstract
dtype: string
- name: original_text
dtype: string
- name: reformulation
dtype: string
- name: original_token_count
dtype: int64
- name: reformulation_token_count
dtype: int64
- name: istex_id
dtype: string
- name: title
dtype: string
- name: doi
dtype: string
- name: year
dtype: string
- name: journal
dtype: string
- name: num_chunks
dtype: int64
splits:
- name: train
num_bytes: 2007949711
num_examples: 56259
download_size: 1053166706
dataset_size: 2007949711
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息（dataset_info）：
特征（features）：
- 字段名：摘要（abstract），数据类型：字符串（string）
- 字段名：原文（original_text），数据类型：字符串（string）
- 字段名：重述文本（reformulation），数据类型：字符串（string）
- 字段名：原文Token（Token）数（original_token_count），数据类型：64位整型（int64）
- 字段名：重述文本Token（Token）数（reformulation_token_count），数据类型：64位整型（int64）
- 字段名：ISTEX ID（istex_id），数据类型：字符串（string）
- 字段名：标题（title），数据类型：字符串（string）
- 字段名：数字对象标识符（DOI），数据类型：字符串（string）
- 字段名：发表年份（year），数据类型：字符串（string）
- 字段名：刊载期刊（journal），数据类型：字符串（string）
- 字段名：分块数量（num_chunks），数据类型：64位整型（int64）
数据集划分（splits）：
- 划分名称：训练集（train），字节大小：2007949711，样本数量：56259
下载大小：1053166706，数据集总大小：2007949711
数据集配置（configs）：
- 配置名称：默认配置（default），数据文件：
- 训练集划分对应数据文件路径：data/train-*