OpenScholar-DataStore-V3 数据集简介

概述

这是一个由 OpenSciLM 发布的大规模学术数据存储库，旨在为科学和学术研究领域提供结构化的数据支持。

主要用途

• 为科学语言模型（SciLM）的训练和评估提供数据基础。
• 支持学术信息检索、知识挖掘、文献分析等研究任务。
• 可作为构建学术知识库或问答系统的数据源。

数据类型与模态

• 模态：表格数据（Tabular）与文本数据（Text）相结合。
• 格式：数据以 JSON 格式存储，便于程序化处理与解析。

规模与统计

• 数据总行数接近 1.5 亿条（149,518,858 行），规模庞大。
• 截至统计时，已获得近 500 次下载和 18 个点赞，具有一定的社区关注度。

使用场景

• 模型训练：用于训练或微调专注于科学文献理解、摘要生成或问答的模型。
• 学术分析：进行跨领域的学术趋势分析、作者合作网络研究等。
• 系统开发：作为后端数据，开发学术搜索引擎或智能文献推荐系统。