lingvenvist/animacy-gl-gold-standard-org

该数据集包含句子、词元、动画标签和目标索引四个主要字段。动画标签字段是一个序列，包含四个类标签：N、A、H、O。数据集分为训练集、测试集和验证集，分别包含7685、1647和1648个样本。文件大小和下载大小也有详细说明。

This dataset is primarily used for natural language processing tasks, featuring 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 four categories (N, A, H, O), and target-indexes are sequences of integers. The dataset is divided into training, test, and validation sets, containing 7685, 1647, and 1648 samples respectively. The total download size of the dataset is 1815353 bytes, and the total size is 3928220 bytes.

原始信息汇总

数据集概述

数据集特征

• sentences: 类型为字符串。
• tokens: 类型为字符串序列。
• anim_tags: 类型为序列，包含以下类别标签：
  • 0: N
  • 1: A
  • 2: H
  • 3: O
• target-indexes: 类型为整数序列。

数据集划分

• train: 包含7685个样本，占用2745324字节。
• test: 包含1647个样本，占用597362字节。
• validation: 包含1648个样本，占用585534字节。

数据集大小

• 下载大小: 1815353字节。
• 总大小: 3928220字节。

配置

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