理工科英文图书
60万册聚焦理工科方向的英文电子图书,覆盖数学、物理、化学、计算机、电子工程、生物科学等核心学科。
60.0万 条数据更新时间 2026-05-11
数据集简介
本数据集汇集了60万册来自国际知名学术出版社和大学出版社的理工科英文图书,学科范围覆盖数学、物理学、化学、材料科学、计算机科学、电子与电气工程、机械工程、土木工程、生物科学、医学工程等理工科主干领域。交付格式支持PDF、TXT、Epub、Mobi等多种主流数字阅读格式,所有文件均支持文字提取,便于进行大规模文本清洗与预处理。每册图书均包含标题、作者、出版社、出版年份、ISBN、学科标签等结构化元数据。适用于理工科学术大模型预训练、专业术语库构建、科研知识管理平台、学术文献检索系统以及双语平行语料生成等应用场景。
数据质量
记录完整性
97.45%
记录时效性
按需更新
记录结构化
NDJSON、JSON、CSV、XLSX、Parquet,支持定制化
记录云交付
Amazon S3、Snowflake、Alibaba Cloud OSS、Google Cloud Storage、Google Drive
记录标准化
为保证数据的一致性与可用性,数据集在构建过程中对原始记录进行了标准化处理,包括:(1)单位标准化:统一价格、重量、尺寸等字段的计量单位;(2)格式标准化:统一日期、时间、数值字段的表示格式;(3)文本清洗:去除 HTML 标签、多余空格及异常字符;(4)字段规范化:统一字段命名、数据类型与缺失值表示方式。该过程确保数据在不同来源和不同采集批次之间保持结构一致性,便于后续分析与建模。
记录代表性
数据覆盖全量业务场景,样本均衡,具备行业代表性
需要定制更适合业务场景的数据集?
我们支持公开数据浏览、关键词筛选与企业级定制交付,帮助你更快完成模型训练与数据分析落地。