lingvenvist/animacy-ca-gold-standard-minus

该数据集包含多个字段，包括句子（sentences）、词元（tokens）、动画标签（anim_tags）和目标索引（target-indexes）。动画标签是一个序列字段，包含三个类别标签：N、A和H。数据集被分为训练集、测试集和验证集，分别包含9413、2017和2018个样本。数据集的总下载大小为2294994字节，总大小为4911768字节。

The dataset includes four main features: sentences, tokens, anim_tags, and target-indexes. Sentences are of string type, tokens are sequences of strings, anim_tags are sequences containing class labels with three types: N, A, H. Target-indexes are sequences of integers. The dataset is divided into three parts: train, test, and validation, each with specified byte sizes and number of examples. The download size and actual size of the dataset are also recorded.

原始信息汇总

数据集概述

数据集信息

特征

• sentences: 类型为字符串。
• tokens: 序列类型，元素为字符串。
• anim_tags: 序列类型，包含分类标签，标签名称为：
  • 0: N
  • 1: A
  • 2: H
• target-indexes: 序列类型，元素为整数（int64）。

数据分割

• train: 包含9413个样本，占用3443120字节。
• test: 包含2017个样本，占用733284字节。
• validation: 包含2018个样本，占用735364字节。

数据大小

• 下载大小: 2294994字节。
• 数据集大小: 4911768字节。

配置

• default:
  • train: 文件路径为 data/train-*
  • test: 文件路径为 data/test-*
  • validation: 文件路径为 data/validation-*