iamfadi/indian_ner

该数据集包含多个特征，主要用于自然语言处理任务，特别是命名实体识别（NER）。数据集详细记录了文本及其对应的实体标签，分为训练集、验证集和测试集，分别包含10995、1074和4501个样本。数据集的结构化信息包括文本的起始和结束位置、标签类型等，有助于模型理解和识别文本中的实体。

原始信息汇总

数据集概述

数据集特征

• annotations
  • result
    • from_name: 数据类型为字符串
    • id: 数据类型为字符串
    • to_name: 数据类型为字符串
    • type: 数据类型为字符串
    • value
      • end: 数据类型为int64
      • labels: 数据类型为字符串序列
      • start: 数据类型为int64
      • text: 数据类型为字符串
• meta
  • source: 数据类型为字符串
• id: 数据类型为字符串
• text: 数据类型为字符串
• ner_tags: 数据类型为字符串序列

数据集划分

• train
  • num_bytes: 25887374
  • num_examples: 10995
• dev
  • num_bytes: 2756135
  • num_examples: 1074
• test
  • num_bytes: 11447416
  • num_examples: 4501

数据集大小

• download_size: 5711466
• dataset_size: 40090925

配置文件

• config_name: default
  • data_files
    • split: train, dev, test
    • path: data/train-, data/dev-, data/test-*