lingvenvist/animacy-en-xl-wsd-70-org

该数据集包含四个主要特征：句子（sentences）、词元（tokens）、动画标签（anim_tags）和目标索引（target-indexes）。句子特征是字符串类型，词元特征是一个字符串序列，动画标签是一个包含类标签的序列，类标签有四种：N、A、H、O。目标索引是一个整数序列。数据集分为三个部分：训练集（train）、测试集（test）和验证集（validation），每个部分都有相应的大小和样本数量。数据集的总下载大小和实际大小也被提供。

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。

数据集分割

• train: 包含96638个样本，占用26415477字节。
• test: 包含20708个样本，占用5690236字节。
• validation: 包含20709个样本，占用5675736字节。

数据集大小

• 下载大小: 18235811字节
• 总大小: 37781449字节

配置

• config_name: default
• data_files:
  • train: 路径为data/train-*
  • test: 路径为data/test-*
  • validation: 路径为data/validation-*