数据集概述
本数据集为论文“Toward Accurate Interpretable Predictions of Materials Properties within Transformer Language Models”（arXiv:2303.12188）的配套数据，包含专家标注的材料带隙预测相关信息。数据以JSON格式存储，涵盖材料的文本描述、分词序列、专家提出的理据及模型预测标签等内容，可用于材料带隙预测模型的可解释性研究，总计包含一个文件。
文件详解
- 文件名称：dataset_annotated.json
- 文件格式：JSON
- 字段映射介绍：以JARVIS-DFT id为键，每个条目包含：
- text：通过Robocrystallographer库生成的材料文本描述
- tokens：由MatBERT分词器生成的分词序列
- rationales：领域专家提出的理据
- label：MatBERT模型预测的标签
数据来源
论文“Toward Accurate Interpretable Predictions of Materials Properties within Transformer Language Models”（arXiv:2303.12188）
适用场景
- 材料带隙预测模型可解释性研究: 利用专家标注的理据分析MatBERT模型预测结果的合理性与决策依据
- 材料信息学模型训练: 为材料性质预测模型提供带文本描述、分词及标签的结构化标注数据
- 材料科学领域知识挖掘: 通过专家理据探索影响材料带隙的关键结构特征
- 自然语言处理在材料科学中的应用: 研究MatBERT分词器对材料文本的处理效果及模型预测性能优化
