ArXiv170萬篇論文數(shù)據(jù)集上線Kaggle！

大數(shù)據(jù)文摘出品

學(xué)術(shù)圈的朋友對ArXiv肯定都不陌生。

?

在將近30年的時間里，ArXiv通過公開訪問學(xué)術(shù)文章為公眾和研究社區(qū)提供了一個更高效的學(xué)術(shù)成果溝通平臺，從物理學(xué)到計算機科學(xué)的許多子學(xué)科，以及介于兩者之間的所有內(nèi)容，包括數(shù)學(xué)，統(tǒng)計學(xué)，電氣工程，定量生物學(xué)，和經(jīng)濟學(xué)。

?

在當今全球面臨獨特挑戰(zhàn)的時代，從數(shù)據(jù)中有效提取見解至關(guān)重要。而在數(shù)據(jù)圈，Kaggle是數(shù)據(jù)科學(xué)家和機器學(xué)習(xí)工程師尋求有趣的數(shù)據(jù)集的最大寶藏之地：這里有各種notebook和競賽，相關(guān)從業(yè)者和研究人員可以利用Kaggle提供的數(shù)據(jù)探索工具，輕松地與他人共享相關(guān)腳本和輸出。

?

那么，二者結(jié)合會產(chǎn)生什么化學(xué)效應(yīng)呢？

?

為幫助使arXiv更加易于訪問，aixiv近日宣布，向Kaggle提供機器可讀的arXiv數(shù)據(jù)集！

?

鏈接：

https://www.kaggle.com/Cornell-University/arxiv

目前，arXiv開放給kaggle的內(nèi)容非常豐富，包括170萬篇文章，其相關(guān)功能包括文章標題，作者，類別，摘要，全文PDF等。

?

該數(shù)據(jù)集數(shù)據(jù)量級高達1.1TB，并且還會持續(xù)更新。包含的內(nèi)容如下：

?

• id：arXiv ID；
• submitter；
• authors；
• title；
• comments；
• journal-ref；
• doi；
• abstract；
• categories；
• versions。

?

aixiv稱，希望啟用新的用例，以促成更豐富的機器學(xué)習(xí)技術(shù)的探索，這些技術(shù)將多模式功能結(jié)合到趨勢分析，紙張推薦器引擎，類別預(yù)測，共引網(wǎng)絡(luò)，知識圖構(gòu)建和語義搜索界面等應(yīng)用程序中。

?

“在Kaggle上擁有整個arXiv語料庫，極大地增加了arXiv論文的潛力，” 在官宣文章中，arXiv執(zhí)行董事Eleonora Presani說?！巴ㄟ^在Kaggle上提供數(shù)據(jù)集，我們超越了人類通過閱讀所有這些文章可以學(xué)到的知識，并且以機器可讀的格式將arXiv背后的數(shù)據(jù)和信息公開提供給公眾?！?/span>

?

實習(xí)/全職編輯記者招聘ing

加入我們，親身體驗一家專業(yè)科技媒體采寫的每個細節(jié)，在最有前景的行業(yè)，和一群遍布全球最優(yōu)秀的人一起成長。坐標北京·清華東門，在大數(shù)據(jù)文摘主頁對話頁回復(fù)“招聘”了解詳情。簡歷請直接發(fā)送至[email protected]

點「在看」的人都變好看了哦！