lingvenvist/more_a_h

---
dataset_info:
features:
- name: sentences
dtype: string
- name: tokens
sequence: string
- name: anim_tags
sequence:
class_label:
names:
'0': N
'1': A
'2': H
- name: target-indexes
sequence: int64
splits:
- name: train
num_bytes: 11527313
num_examples: 29092
- name: test
num_bytes: 1883984
num_examples: 4680
- name: valid
num_bytes: 1540902
num_examples: 3950
download_size: 6679361
dataset_size: 14952199
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: valid
path: data/valid-*
---

数据集信息：
特征：
- 名称：sentences，数据类型：字符串
- 名称：tokens，类型：序列（元素为字符串）
- 名称：anim_tags，类型：序列（元素为类别标签，标签名称映射：'0'→N、'1'→A、'2'→H）
- 名称：target-indexes，类型：序列（元素为int64类型）
拆分：
- 名称：train，字节数：11527313，样本数：29092
- 名称：test，字节数：1883984，样本数：4680
- 名称：valid，字节数：1540902，样本数：3950
下载大小：6679361
数据集大小：14952199
配置：
- 配置名称：default，数据文件：
- 拆分：train，路径：data/train-*
- 拆分：test，路径：data/test-*
- 拆分：valid，路径：data/valid-*

原始信息汇总

数据集概述

数据集特征

• sentences: 数据类型为字符串。
• tokens: 数据类型为字符串序列。
• anim_tags: 数据类型为分类标签序列，包含以下类别：
  • 0: N
  • 1: A
  • 2: H
• target-indexes: 数据类型为整数序列。

数据集分割

• 训练集 (train): 包含29092个样本，总大小为11527313字节。
• 测试集 (test): 包含4680个样本，总大小为1883984字节。
• 验证集 (valid): 包含3950个样本，总大小为1540902字节。

数据集大小

• 下载大小: 6679361字节。
• 数据集总大小: 14952199字节。

数据文件配置

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*
  • 验证集路径: data/valid-*