哈佛-史密松森天体物理中心发布AstroConcepts数据集,应用在天体物理学、文本分类领域

哈佛-史密松森天体物理中心本次发布的数据集AstroConcepts,AstroConcepts是由哈佛-史密松森天体物理中心构建的大规模多标签天体物理文献语料库，包含21,702篇论文摘要，标注覆盖天文学统一词表（UAT）的2,367个层级化概念，数据源自NASA科学探索平台（SciX）索引的2018-2023年期刊文献。数据集平均每篇摘要含4.31个标签，呈现显著的长尾分布（76%概念出现少于50次），文本平均长度211词。该资源通过作者提交时标注的标准化UAT概念构建，旨在支持极端类别不均衡场景下的科学文献多标签分类研究，尤其适用于天体物理领域术语的少样本学习与层次化预测任务。

查看AstroConcepts

关于哈佛-史密松森天体物理中心,哈佛-史密松森天体物理中心（Harvard-Smithsonian Center for Astrophysics）是由哈佛大学天文台和史密松森天体物理天文台于1973年联合成立的研究机构，专注于天文学、天体物理学及相关领域的研究。

关于arXiv,全球最大的预印本学术论文数据库，涵盖物理、数学、计算机科学等多个学科领域。