发布 organic_chemistry_pdf_word_search 数据集, 应用在 有机化学、自然语言处理 领域

本次发布的数据集 organic_chemistry_pdf_word_search, 该数据集包含了多个文本特征，如去重前的n-gram计数、整页内容的语言ID（使用fasttext）、元数据信息（如内容长度、内容类型、Warc记录信息等）、前一词的计数、文本内容、URL、Warc信息、平均相似度、最大相似度、最小相似度和最相似文本的索引及内容。数据集分为训练集，共有约98万个样本，整个数据集大小为3,176,240,803字节。

查看organic_chemistry_pdf_word_search

Dataset card 内容： 

Files and versions 内容： 

关于 , 国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

关于 HuggingFace , Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。