К содержимому

Датасет · TimSchopf

Заголовки и аннотации статей arXiv по 130 научным категориям

TimSchopf/arxiv_categories

Более 200 тысяч названий и аннотаций научных статей с arXiv с разметкой по 130 тематическим классам.

Что внутри

Датасет собран на основе метаданных научной библиотеки arXiv и содержит 203 961 пару из заголовка и аннотации статей на английском языке. Каждой статье присвоены метки из 130 различных научных категорий для задачи многометочной классификации (multi-label classification). Набор подготовлен авторами научной статьи для конференции ICNLSP 2024.

Что можно сделать

  • Обучение моделей многометочной классификации научных и технических текстов с большим числом классов
  • Тестирование алгоритмов few-shot обучения на тематической разметке статей
Задачи
Классификация текста
Языки
Английский
Размер
100K–1M записей
Скачиваний за месяц
910
Лайков
6

Как загрузить

from datasets import load_dataset

ds = load_dataset("TimSchopf/arxiv_categories")