数据集概述
本数据集为英文维基百科中使用的LaTeX（texvc）输入的公开转储，包含2024年11月23日的标准化输出结果。数据以JSON格式存储，涵盖英文维基百科中的LaTeX公式内容及相关标准化处理数据，共包含2个文件。
文件详解
- 文件名称：en-wiki-formulae-good.json
- 文件格式：JSON
- 字段映射介绍：存储英文维基百科中有效LaTeX公式的原始输入数据
- 文件名称：normalized.json
- 文件格式：JSON
- 字段映射介绍：存储2024年11月23日生成的LaTeX公式标准化输出结果
数据来源
Software Heritage归档（swh:1:cnt:da76ae5a988839894a2ecdab29a5ab7c8df7dc80），原始来源为wikimedia/mediawiki-services-texvcjs GitHub仓库
适用场景
- LaTeX公式标准化研究：分析英文维基百科LaTeX公式的标准化处理逻辑与效果
- 维基百科内容分析：提取英文维基百科中的数学、科学等领域公式内容，支持相关主题研究
- 公式数据处理算法测试：作为测试集验证LaTeX公式解析、转换等数据处理算法的性能
- 学术资源挖掘：从维基百科公式数据中挖掘学科领域的高频公式，辅助学术研究与教育资源开发
