EmiMule/GeneratedDatasetNEW

---
dataset_info:
features:
- name: id
dtype: string
- name: premise
dtype: string
- name: hypothesis
dtype: string
- name: label
dtype: string
- name: wsd
struct:
- name: premise
list:
- name: index
dtype: int64
- name: text
dtype: string
- name: pos
dtype: string
- name: lemma
dtype: string
- name: bnSynsetId
dtype: string
- name: wnSynsetOffset
dtype: string
- name: nltkSynset
dtype: string
- name: hypothesis
list:
- name: index
dtype: int64
- name: text
dtype: string
- name: pos
dtype: string
- name: lemma
dtype: string
- name: bnSynsetId
dtype: string
- name: wnSynsetOffset
dtype: string
- name: nltkSynset
dtype: string
- name: srl
struct:
- name: premise
struct:
- name: tokens
list:
- name: index
dtype: int64
- name: rawText
dtype: string
- name: annotations
list:
- name: tokenIndex
dtype: int64
- name: verbatlas
struct:
- name: frameName
dtype: string
- name: roles
list:
- name: role
dtype: string
- name: score
dtype: float64
- name: span
sequence: int64
- name: englishPropbank
struct:
- name: frameName
dtype: string
- name: roles
list:
- name: role
dtype: string
- name: score
dtype: float64
- name: span
sequence: int64
- name: hypothesis
struct:
- name: tokens
list:
- name: index
dtype: int64
- name: rawText
dtype: string
- name: annotations
list:
- name: tokenIndex
dtype: int64
- name: verbatlas
struct:
- name: frameName
dtype: string
- name: roles
list:
- name: role
dtype: string
- name: score
dtype: float64
- name: span
sequence: int64
- name: englishPropbank
struct:
- name: frameName
dtype: string
- name: roles
list:
- name: role
dtype: string
- name: score
dtype: float64
- name: span
sequence: int64
splits:
- name: train
num_bytes: 232034903.0
num_examples: 33383
download_size: 49397268
dataset_size: 232034903.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征：
- 名称：id
数据类型：字符串
- 名称：前提（premise）
数据类型：字符串
- 名称：假设（hypothesis）
数据类型：字符串
- 名称：标签（label）
数据类型：字符串
- 名称：词义消歧（wsd）
结构：
- 名称：前提（premise）
列表：
- 名称：索引（index）
数据类型：int64
- 名称：文本（text）
数据类型：字符串
- 名称：词性（pos）
数据类型：字符串
- 名称：词元（lemma）
数据类型：字符串
- 名称：BabelNet同义词集ID（bnSynsetId）
数据类型：字符串
- 名称：WordNet同义词集偏移量（wnSynsetOffset）
数据类型：字符串
- 名称：NLTK同义词集（nltkSynset）
数据类型：字符串
- 名称：假设（hypothesis）
列表：
- 名称：索引（index）
数据类型：int64
- 名称：文本（text）
数据类型：字符串
- 名称：词性（pos）
数据类型：字符串
- 名称：词元（lemma）
数据类型：字符串
- 名称：BabelNet同义词集ID（bnSynsetId）
数据类型：字符串
- 名称：WordNet同义词集偏移量（wnSynsetOffset）
数据类型：字符串
- 名称：NLTK同义词集（nltkSynset）
数据类型：字符串
- 名称：语义角色标注（srl）
结构：
- 名称：前提（premise）
结构：
- 名称：tokens
列表：
- 名称：索引（index）
数据类型：int64
- 名称：原始文本（rawText）
数据类型：字符串
- 名称：标注（annotations）
列表：
- 名称：token索引（tokenIndex）
数据类型：int64
- 名称：动词图谱（verbatlas）
结构：
- 名称：框架名称（frameName）
数据类型：字符串
- 名称：角色（roles）
列表：
- 名称：角色（role）
数据类型：字符串
- 名称：得分（score）
数据类型：float64
- 名称：跨度（span）
序列类型：int64
- 名称：英语PropBank（englishPropbank）
结构：
- 名称：框架名称（frameName）
数据类型：字符串
- 名称：角色（roles）
列表：
- 名称：角色（role）
数据类型：字符串
- 名称：得分（score）
数据类型：float64
- 名称：跨度（span）
序列类型：int64
- 名称：假设（hypothesis）
结构：
- 名称：tokens
列表：
- 名称：索引（index）
数据类型：int64
- 名称：原始文本（rawText）
数据类型：字符串
- 名称：标注（annotations）
列表：
- 名称：token索引（tokenIndex）
数据类型：int64
- 名称：动词图谱（verbatlas）
结构：
- 名称：框架名称（frameName）
数据类型：字符串
- 名称：角色（roles）
列表：
- 名称：角色（role）
数据类型：字符串
- 名称：得分（score）
数据类型：float64
- 名称：跨度（span）
序列类型：int64
- 名称：英语PropBank（englishPropbank）
结构：
- 名称：框架名称（frameName）
数据类型：字符串
- 名称：角色（roles）
列表：
- 名称：角色（role）
数据类型：字符串
- 名称：得分（score）
数据类型：float64
- 名称：跨度（span）
序列类型：int64
拆分：
- 名称：训练集
字节数：232034903.0
样本数：33383
下载大小：49397268
数据集大小：232034903.0
配置：
- 配置名称：默认
数据文件：
- 拆分：训练集
路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• id: 数据类型为字符串。
• premise: 数据类型为字符串。
• hypothesis: 数据类型为字符串。
• label: 数据类型为字符串。
• wsd: 结构化数据，包含以下字段：
  • premise: 列表类型，包含以下字段：
    • index: 数据类型为int64。
    • text: 数据类型为字符串。
    • pos: 数据类型为字符串。
    • lemma: 数据类型为字符串。
    • bnSynsetId: 数据类型为字符串。
    • wnSynsetOffset: 数据类型为字符串。
    • nltkSynset: 数据类型为字符串。
  • hypothesis: 列表类型，包含以下字段：
    • index: 数据类型为int64。
    • text: 数据类型为字符串。
    • pos: 数据类型为字符串。
    • lemma: 数据类型为字符串。
    • bnSynsetId: 数据类型为字符串。
    • wnSynsetOffset: 数据类型为字符串。
    • nltkSynset: 数据类型为字符串。
• srl: 结构化数据，包含以下字段：
  • premise: 结构化数据，包含以下字段：
    • tokens: 列表类型，包含以下字段：
      • index: 数据类型为int64。
      • rawText: 数据类型为字符串。
    • annotations: 列表类型，包含以下字段：
      • tokenIndex: 数据类型为int64。
      • verbatlas: 结构化数据，包含以下字段：
        • frameName: 数据类型为字符串。
        • roles: 列表类型，包含以下字段：
          • role: 数据类型为字符串。
          • score: 数据类型为float64。
          • span: 序列类型，数据类型为int64。
      • englishPropbank: 结构化数据，包含以下字段：
        • frameName: 数据类型为字符串。
        • roles: 列表类型，包含以下字段：
          • role: 数据类型为字符串。
          • score: 数据类型为float64。
          • span: 序列类型，数据类型为int64。
  • hypothesis: 结构化数据，包含以下字段：
    • tokens: 列表类型，包含以下字段：
      • index: 数据类型为int64。
      • rawText: 数据类型为字符串。
    • annotations: 列表类型，包含以下字段：
      • tokenIndex: 数据类型为int64。
      • verbatlas: 结构化数据，包含以下字段：
        • frameName: 数据类型为字符串。
        • roles: 列表类型，包含以下字段：
          • role: 数据类型为字符串。
          • score: 数据类型为float64。
          • span: 序列类型，数据类型为int64。
      • englishPropbank: 结构化数据，包含以下字段：
        • frameName: 数据类型为字符串。
        • roles: 列表类型，包含以下字段：
          • role: 数据类型为字符串。
          • score: 数据类型为float64。
          • span: 序列类型，数据类型为int64。

数据集分割

• train: 包含33383个样本，占用232034903.0字节。

数据集大小

• 下载大小: 49397268字节。
• 数据集大小: 232034903.0字节。

配置

• default: 包含训练数据文件，路径为data/train-*。