mireiaplalis/processed_cadec_no_prefix

该数据集是一个用于命名实体识别（NER）任务的数据集，包含文本数据及其对应的实体标签。每个样本包括id、tokens（文本序列）、ner_tags（实体标签序列）和info（额外信息）。ner_tags的类别包括O（非实体）、0-ADR（药物不良反应）、0-Drug（药物）、0-Disease（疾病）、0-Symptom（症状）和0-Finding（发现）。数据集分为训练集（1000个样本）、测试集（125个样本）和验证集（125个样本）。

原始信息汇总

数据集概述

特征信息

• id: 数据类型为字符串。
• tokens: 序列类型，数据类型为字符串。
• ner_tags: 序列类型，包含类别标签：
  • 0: O
  • 1: 0-ADR
  • 2: 0-Drug
  • 3: 0-Disease
  • 4: 0-Symptom
  • 5: 0-Finding
• info: 序列类型，数据类型为字符串。

数据分割

• train: 包含1000个样本，大小为2118471.2字节。
• test: 包含125个样本，大小为264808.9字节。
• validation: 包含125个样本，大小为264808.9字节。

数据集大小

• 下载大小: 442353字节。
• 数据集大小: 2648089.0字节。

配置信息

• config_name: default
  • data_files:
    • train: 路径为data/train-*
    • test: 路径为data/test-*
    • validation: 路径为data/validation-*