arXiv论文标题摘要与标签数据集
数据来源：互联网公开数据
标签：arXiv,科研论文,学术研究,机器学习,数据分类,文本分析,教育
数据概述：
本数据集受到了arXiv论文摘要数据集的启发，可以视为其逻辑扩展。数据集包含536,914篇研究论文的标题和摘要，适用于多标签分类任务。数据通过爬取arXiv官方元数据获取，而非使用原始的arXiv API。相比原数据集的38,979篇论文，本数据集增加了至536,914篇，并去除了重复项和非arXiv类别的标签（如ACM、MSC分类），仅保留arXiv分类标签。
数据集分为两个文件，分别为arxiv_data.csv和arxiv_data_grouped.csv。arxiv_data.csv包含155个arXiv标签作为目标类别；arxiv_data_grouped.csv则将这155个标签根据arXiv分类学（https://arxiv.org/category_taxonomy）分为8个类别。此外，数据集被进一步分为训练集和测试集，分别存储在train和test文件夹中。
数据用途概述：
该数据集适用于学术研究、机器学习模型训练、文本分类任务以及教育场景。研究人员可以利用该数据集进行多标签分类模型的训练与评估；教育机构可以将其用于数据科学和机器学习课程的教学。数据集还适合用于学术论文分析、研究趋势探索等场景，帮助学者了解各个领域的最新研究成果和研究方向。
