ferrazzipietro/unLS_Llama-2-7b-hf_ncbi_disease_NoQuant_16_64_0.05_64_BestF1

该数据集主要用于自然语言处理任务，特别是命名实体识别（NER）。数据集包含多个特征，如id、tokens、ner_tags、input_ids、attention_mask、labels、sentence、predictions和ground_truth_labels。其中，tokens和ner_tags是序列类型的数据，ner_tags包含特定的类别标签，如O、B-Disease和I-Disease。数据集分为test部分，包含924个样本，总大小为1385467字节。

This dataset is primarily used for natural language processing tasks, particularly Named Entity Recognition (NER). It includes multiple features such as id, tokens, ner_tags, input_ids, attention_mask, labels, sentence, predictions, and ground_truth_labels. Among these, tokens and ner_tags are sequence types, with ner_tags containing specific class labels such as O, B-Disease, and I-Disease. The dataset is divided into a test portion, containing 924 samples with a total size of 1385467 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• id: 字符串类型
• tokens: 字符串序列
• ner_tags: 命名实体识别标签序列
  • 类别标签:
    • 0: O (非实体)
    • 1: B-Disease (疾病实体开始)
    • 2: I-Disease (疾病实体内部)
• input_ids: 整数序列 (int32)
• attention_mask: 整数序列 (int8)
• labels: 整数序列 (int64)
• sentence: 字符串类型
• predictions: 字符串序列
• ground_truth_labels: 字符串序列

数据分割

• test:
  • 字节数: 1385467
  • 样本数: 924

数据集大小

• 下载大小: 244557 字节
• 数据集大小: 1385467 字节

配置

• config_name: default
  • 数据文件:
    • 分割: test
    • 路径: data/test-*