genre-6

# Dataset Card for Dataset Name

## Dataset Summary

Genre-6 dataset is an English dataset based on Kindletrends (UK & US). It contains more than 20k books and associated categories with ready-made binary classification and multilabel classification labels.

## Dataset Structure

### Data Instances

`` {"text": "...", "categories": "Engineering & Transportation;Science & Math", "fiction": "non-fiction", "split1": ['Science & Math'], "split2" : ['Engineering & Transportation', 'Science & Math'], "split3": ['Science & Math']} ``

### Data Fields

- text: Kindletrends text
- categories: Kidletrends categories (1 to 2 categories per book)
- fiction: binary label for fiction and non-fiction books
- splits 1,2,3: multilabel for different subsets of the categories

### Data Splits

The dataset contains train (80%), validation (10%) and test (10%) splits.

The splits for multilabels are following:
- split1: 'Biology & Nature & Biological Sciences','Computer Science', 'Fantasy','Medicine & Health Sciences','Philosophy','Science & Math'.
- split2: 'Biology & Nature & Biological Sciences','Computer Science', 'Engineering & Transportation','Fantasy','Medicine & Health Sciences','Science & Math'.
- split3: 'Biology & Nature & Biological Sciences','Computer Science', 'Fantasy','Medicine & Health Sciences', 'Poetry', 'Politics & Social Sciences', 'Science & Math'.

More splits can be generated from the field "categories".

### Source Data

[Kindletrends](https://kindletrends.com/categories/)

# 数据集卡片（Dataset Card）
## 数据集概述
Genre-6数据集是基于Kindletrends（英国与美国市场）的英文数据集，涵盖超2万本图书及其关联分类，并附带预制备的二分类与多分类标注标签。

## 数据集结构
### 数据实例
json
{"text": "...", "categories": "工程与交通;数学与科学", "fiction": "non-fiction", "split1": ["数学与科学"], "split2": ["工程与交通", "数学与科学"], "split3": ["数学与科学"]}

### 数据字段
- `text`：Kindletrends文本
- `categories`：Kindletrends分类标签（每本图书对应1至2个分类）
- `fiction`：图书虚构/非虚构二分类标注
- `splits 1,2,3`：对应不同分类子集的多分类标注

## 数据拆分
该数据集包含训练集（80%）、验证集（10%）与测试集（10%）三个拆分。
多分类拆分详情如下：
- 拆分集1：「生物学与自然及生物科学」、「计算机科学」、「奇幻」、「医学与健康科学」、「哲学」、「数学与科学」
- 拆分集2：「生物学与自然及生物科学」、「计算机科学」、「工程与交通」、「奇幻」、「医学与健康科学」、「数学与科学」
- 拆分集3：「生物学与自然及生物科学」、「计算机科学」、「奇幻」、「医学与健康科学」、「诗歌」、「政治与社会科学」、「数学与科学」

此外，可从`categories`字段生成更多拆分。

## 源数据
[Kindletrends](https://kindletrends.com/categories/)

搜集汇总

背景与挑战

背景概述

Genre-6是一个基于Kindletrends（英国和美国）的英文数据集，涵盖超过2万本书籍及其类别信息，支持二元分类和多标签分类任务。数据已划分为训练、验证和测试集，并包含虚构/非虚构标签以及多个多标签子集划分。