lingvenvist/animacy-da-gold-standard-minus

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，词元特征是字符串序列，动画标签特征是一个包含类标签的序列，类标签有三种：N、A、H。目标索引特征是整数序列。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字节数和示例数。数据集的下载大小和实际大小也被提供。

The dataset includes four main features: sentences, tokens, anim_tags, and target-indexes. The sentences feature is of string type, the tokens feature is a sequence of strings, the anim_tags feature is a sequence containing class labels with three types: N, A, H. The target-indexes feature is a sequence of integers. The dataset is divided into three parts: train, test, and validation, each with corresponding byte counts and example counts. The download size and actual size of the dataset are also provided.

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，包含分类标签，标签名称为：
  • 0: N
  • 1: A
  • 2: H
• target-indexes: 类型为整数序列。

数据集分割

• train: 包含9221个样本，占用3344433字节。
• test: 包含1976个样本，占用711442字节。
• validation: 包含1977个样本，占用710488字节。

数据集大小

• 下载大小: 2444570字节。
• 总大小: 4766363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-*。