USPTO-50K

USPTO-50K数据集是从USPTO 中随机选取的50K个化学反应，这些化学反应是通过文本挖掘从专利文献（1976年至2016年9月，USPTO所颁发的美国专利的化学反应）中提取出来的，并由Schneider等人分为10种不同的反应类别，用于评估机器学习算法在预测化学反应时的性能、逆合成研究。

USPTO-50K数据集是一个tsv文件，数据以表格形式存储，每行存储一条数据记录，包括original_rxn、rxn_class、source、rxn、split5列数据。

• original_rxn：表示原始的反应物，使用SMILES表示分子结构。
• rxn_class: 表示反应类别。
• source: 表示数据来源，即反应记录的出处，通常是专利文献的编号或者引用信息。
• rxn: 表示反应的具体信息，包括反应物、生成物、反应条件等。
• split: 表示数据集的划分，比如训练集、验证集和测试集。