Reaction SMILES <b>CRD</b> 1.37M dataset

<pre>Collection of reaction SMILES (reactants, reagents, solvents, products) 1.37M lines total from patent literature (USPTO 1976 - 2024) and from academic literature (2.5% total). Data converted from existing USPTO dataset ¹^] and data generated by parsing by custom design. Data extraction by OSCAR (semantic) or ChatGPT (LLM), molecule identification by OPSIN and custom synonym list. All SMILES are RDKit-safe with duplicate reactions removed. Please note that the data have been collected in an semi-automated process, the dataset is certainly not without errors.More information on https://kmt.vander-lingen.nl.<br><br>^1] Chemical reactions from US patents (1976-Sep2016), Daniel Lowe. Link.</pre>本数据集为反应SMILES（SMILES）集合，涵盖反应物、试剂、溶剂与产物，总计137万行数据，来源包括1976年至2024年的美国专利文献（USPTO）以及学术文献（占总数据的2.5%）。本数据集部分数据源自已公开的USPTO数据集¹^]，其余数据通过自定义解析流程生成。数据提取采用OSCAR（语义提取工具）或ChatGPT（大语言模型，LLM），分子识别则通过OPSIN与自定义同义词表完成。所有SMILES均为RDKit兼容格式，且已移除重复反应。请注意，本数据集通过半自动化流程收集，难免存在疏漏与错误。更多信息请访问：https://kmt.vander-lingen.nl。<br><br>^1] 《美国专利中的化学反应（1976年—2016年9月）》，丹尼尔·洛维（Daniel Lowe）。相关链接。