P3ps/Cross_ner

该数据集名为Cross_ner，主要用于命名实体识别任务。数据集中包含文本数据及其对应的命名实体标签，标签涵盖了多种实体类型，如学术期刊、专辑、算法、天文对象等。数据集分为训练集和测试集，训练集包含20856个样本，测试集包含5215个样本。

---
数据集信息：
特征：
- 字段名：id，数据类型：字符串
- 字段名：tokens，类型为序列型字符串
- 字段名：ner_tags（命名实体识别标签，Named Entity Recognition Tags），其类型为序列型类别标签，标签映射关系如下：
0: O（非实体）
1: B-学术期刊（academicjournal）
2: I-学术期刊（academicjournal）
3: B-专辑（album）
4: I-专辑（album）
5: B-算法（algorithm）
6: I-算法（algorithm）
7: B-天文天体（astronomicalobject）
8: I-天文天体（astronomicalobject）
9: B-奖项（award）
10: I-奖项（award）
11: B-乐队（band）
12: I-乐队（band）
13: B-图书（book）
14: I-图书（book）
15: B-化合物（chemicalcompound）
16: I-化合物（chemicalcompound）
17: B-化学元素（chemicalelement）
18: I-化学元素（chemicalelement）
19: B-会议（conference）
20: I-会议（conference）
21: B-国家（country）
22: I-国家（country）
23: B-学科（discipline）
24: I-学科（discipline）
25: B-选举（election）
26: I-选举（election）
27: B-酶（enzyme）
28: I-酶（enzyme）
29: B-事件（event）
30: I-事件（event）
31: B-领域（field）
32: I-领域（field）
33: B-文学体裁（literarygenre）
34: I-文学体裁（literarygenre）
35: B-地点（location）
36: I-地点（location）
37: B-杂志（magazine）
38: I-杂志（magazine）
39: B-计量指标（metrics）
40: I-计量指标（metrics）
41: B-杂项（misc）
42: I-杂项（misc）
43: B-音乐艺人（musicalartist）
44: I-音乐艺人（musicalartist）
45: B-乐器（musicalinstrument）
46: I-乐器（musicalinstrument）
47: B-音乐流派（musicgenre）
48: I-音乐流派（musicgenre）
49: B-组织机构（organisation）
50: I-组织机构（organisation）
51: B-人物（person）
52: I-人物（person）
53: B-诗歌（poem）
54: I-诗歌（poem）
55: B-政党（politicalparty）
56: I-政党（politicalparty）
57: B-政治家（politician）
58: I-政治家（politician）
59: B-产品（product）
60: I-产品（product）
61: B-编程语言（programlang）
62: I-编程语言（programlang）
63: B-蛋白质（protein）
64: I-蛋白质（protein）
65: B-研究人员（researcher）
66: I-研究人员（researcher）
67: B-科学家（scientist）
68: I-科学家（scientist）
69: B-歌曲（song）
70: I-歌曲（song）
71: B-任务（task）
72: I-任务（task）
73: B-理论（theory）
74: I-理论（theory）
75: B-大学（university）
76: I-大学（university）
77: B-作家（writer）
78: I-作家（writer）
数据集拆分：
- 拆分集名称：train（训练集），字节大小：6995502.064669556，样本数量：20856
- 拆分集名称：test（测试集），字节大小：1749210.9353304438，样本数量：5215
下载总大小：2609946
数据集总大小：8744713.0
---
# 「Cross_ner」数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集特征

• id: 字符串类型
• tokens: 字符串序列类型
• ner_tags: 字符串序列类型，包含以下类别标签：
  • 0: O
  • 1: B-academicjournal
  • 2: I-academicjournal
  • ... (省略其他标签)
  • 77: B-writer
  • 78: I-writer

数据集分割

• train:
  • 数据量: 6995502.064669556字节
  • 样本数: 20856
• test:
  • 数据量: 1749210.9353304438字节
  • 样本数: 5215

数据集大小

• 下载大小: 2609946字节
• 数据集总大小: 8744713.0字节