세션만료알림

후 자동 로그아웃됩니다.
세션을 초기화하시겠습니까?

본문으로 바로가기 본문으로 바로가기 주메뉴 바로가기

통합 검색

검색어 선택항목

결과내 키워드 검색

검색어

등록년도

  • ~

자료유형

국내외구분

데이터 제공처

+ 더보기
데이터 제공처
적용

데이터 리포지터리

+ 더보기
데이터 리포지터리
  •  
적용

과제수행기관

+ 더보기
과제수행기관
적용

부처

+ 더보기
부처
  •  
  •  
적용

주제분류

+ 더보기
주제분류
  •  
적용

접근권한

파일유형

+ 더보기
파일유형
적용

파일 다운로드 방법

작성언어

+ 더보기
작성언어
  •  
  •  
적용

검색결과 영역

검색어  > 

검색 결과를 데이터셋, 표/그림, 소프트웨어로 구분하여 확인할 수 있습니다.

데이터셋

1,262,002건
  • 2022 국내 공개 gz(2) txt English
    Global multimodel projections for future hydrological drought
    Global multimodel projections for future hydrological drought
    • 데이터 제공처 국가연구데이터플랫폼
    • 데이터 리포지터리
    • 생성자 Yusuke Satoh; Yusuke Satoh;
    • 과제명 적응형 미래 전략 수립을 위한 빅데이터-물리모델 융합 프레임워크의 개발
    • 과제책임자 김형준
    • 과제수행기관 한국과학기술원
    • 부처 과학기술정보통신부
    • 라이센스유형 CC-BY-NC;
    • 주제분류 수재해발생 분석/예측;

    A global-scale drought projection based on century-long multimodel hydrological simulations; the dataset provides historical and future time-series of drought frequency (the number of drought days per year) under changing climate at 0.5°×0.5° spatial resolution globally, covering 239 years (1861-2099). In terms of the future period, two climate change scenarios (the Representative Concentration Pathways 2.6 and 8.5) are considered. The multimodel ensemble data consists of 20 members, containing five global hydrological models forced by bias-corrected climate projections deriving from four climate models. Daily river discharge was investigated to quantify hydrological drought conditions. Using this data set, we estimate the timing of unprecedented hydrological drought under climate change. Please find technical details in Satoh et al. 2022 Nat Commns (Accepted, 2022 April). This repository contains scripts utilized for Satoh et al. 2022 and the key processed dataset.

  • 2022 국내 공개 Korean
    국내 논문 QA 데이터셋
    • 데이터 제공처 KISTI 기계학습 데이터 공유 활용 서비스
    • 데이터 리포지터리
    • 생성자 한국과학기술정보연구원;
    • 과제명 과학기술 기계학습 데이터 구축
    • 과제책임자
    • 과제수행기관
    • 부처
    • 라이센스유형 CC-BY-NC;
    • 주제분류 NONE;

    데이터 개요 :
    • 기계가 과학기술 문헌을 읽고 이해하는 능력을 평가하기 위한 질의응답 데이터셋
    • 국내 한글 논문에서 질문과 정답 쌍 구축
    데이터 설명 : 기계가 과학기술 문헌을 읽고 이해하는 능력을 평가하기 위한 질의응답 데이터셋

  • 2022 국내 공개 Korean
    논문 연구분야 분류 데이터
    • 데이터 제공처 KISTI 기계학습 데이터 공유 활용 서비스
    • 데이터 리포지터리
    • 생성자 한국과학기술정보연구원;
    • 과제명
    • 과제책임자
    • 과제수행기관
    • 부처
    • 라이센스유형 CC-BY-NC;
    • 주제분류 NONE;

    데이터 개요 :
    • 국가과학기술표준분류체계 기반의 분류 문제를 해결하기 위한 데이터셋
    • 국내 논문 3만 건을 대상으로 전문가가 연구분야를 분류한 데이터셋

  • 2022 국내 공개 Korean
    DeepData-META
    • 데이터 제공처 KISTI 기계학습 데이터 공유 활용 서비스
    • 데이터 리포지터리
    • 생성자 Korea Institute of Science and Technology Information (KISTI);
    • 과제명
    • 과제책임자
    • 과제수행기관
    • 부처
    • 라이센스유형 CC-BY-NC;
    • 주제분류 NONE;

    데이터 개요 :
    • The data for extracting metadata from PDF domestic papers.
    • The data contains information in layout box extracted from each PDF paper with labels corresponding to metadata field types.
    • The information in each layout box are unique code, text, coordinates(x0, y0, x1, y1) of box, width of box, height of box and font size.
    • The file named as “train.txt” was constructed through the fully automatic inspection process. It contains a total of 5,241,746 labeled layout boxes for 295,306 papers in 503 journals. It was used as train set.
    • The file named as “valid.txt” was developed through the manual inspection process by several annotators. It contains a total of 155,629 labeled layout boxes for 9,895 papers in 503 journals.
    • The file named as “test.txt” was built through the manual inspection process. It contains a total of 159,925 labeled layout boxes for 10,119 papers in 503 journals. It was used as test set.

    Data statistics

    DataFile name#Jounal#Paper#Layout Box
    Train settrain.txt

    503

    295,306

    5,241,746

    Valid setvalid.txt

    9,895

    155,629

    Test settest.txt

    10,119

    159,925

  • 2020 국내 공개 English
    Raw diffraction data for structure of SARS-CoV-2 main protease with PCM-0102432 (ID: mpro-x1392 / PDB: 5RFT)
    Raw diffraction data for structure of SARS-CoV-2 main protease with PCM-0102432 (ID: mpro-x1392 / PDB: 5RFT)
    • 데이터 제공처 국가연구데이터플랫폼
    • 데이터 리포지터리
    • 생성자
    • 과제명
    • 과제책임자
    • 과제수행기관
    • 부처
    • 라이센스유형 CC-BY;
    • 주제분류 NONE;

    Raw diffraction data for mpro-x1392 / PDB ID 5RFT (see: https://www.ebi.ac.uk/pdbe/entry/pdb/5RFT) - SARS-CoV-2 main protease in complex with PCM-0102432 (SMILES:ClCC(=O)N1CC(c2ccccc2)c3ccccc3C1) collected as part of an XChem crystallographic fragment screening campaign on beamline i04-1 at Diamond Light Source. The deposited structure was automatically processed with standard Diamond tools and PanDDA, however the raw data are being made available to allow reanalysis by any interested party.