ducanhdinh/THUCNewsProccessed
收藏Hugging Face2025-12-09 更新2025-12-20 收录
下载链接：
https://hf-mirror.com/datasets/ducanhdinh/THUCNewsProccessed
下载链接
链接失效反馈官方服务：
资源简介：
---
dataset_info:
features:
- name: input_ids
list: int32
- name: attention_mask
list: int8
- name: token_type_ids
list: int8
- name: bmes_tags
list: int64
splits:
- name: train
num_bytes: 199919490
num_examples: 24000
- name: validation
num_bytes: 24333562
num_examples: 3000
- name: test
num_bytes: 24545340
num_examples: 3000
download_size: 33847193
dataset_size: 248798392
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---
数据集信息：
特征项：
- 名称：输入词元ID（input_ids），数据类型：int32类型的列表
- 名称：注意力掩码（attention_mask），数据类型：int8类型的列表
- 名称：词元类型ID（token_type_ids），数据类型：int8类型的列表
- 名称：BMES标注标签（bmes_tags），数据类型：int64类型的列表
数据集划分：
- 训练集（train）：占用字节数199919490，样本总数24000
- 验证集（validation）：占用字节数24333562，样本总数3000
- 测试集（test）：占用字节数24545340，样本总数3000
下载总大小：33847193，数据集总存储大小：248798392
配置项：
- 默认配置（default）：
数据文件映射关系：
- 训练集对应路径：data/train-*
- 验证集对应路径：data/validation-*
- 测试集对应路径：data/test-*
提供机构：
ducanhdinh
