madaanpulkit/tab-wnut-packed

该数据集名为tab-wnut-packed，包含文本、标记、标记范围和标签等多个特征。文本特征为字符串类型，标记特征为序列字符串，标记范围特征为整数序列，标签特征包含多种类别标签，用于区分不同的实体类型。数据集分为训练、开发和测试三个部分，分别包含1014、127和127个样本。数据集的总大小为78927249字节，下载大小为14969043字节。

原始信息汇总

数据集概述

特征信息

• text: 文本数据，数据类型为字符串。
• tokens: 分词序列，数据类型为字符串序列。
• token_spans: 分词范围，数据类型为整数序列的序列。
• tags: 标签序列，数据类型为类标签序列的序列，具体标签包括：
  • 0: 0
  • 1: B-DIRECT-CODE
  • 2: I-DIRECT-CODE
  • 3: B-DIRECT-PERSON
  • 4: I-DIRECT-PERSON
  • 5: B-QUASI-DATETIME
  • 6: I-QUASI-DATETIME
  • 7: B-QUASI-PERSON
  • 8: I-QUASI-PERSON
  • 9: B-QUASI-LOC
  • 10: I-QUASI-LOC
  • 11: B-QUASI-QUANTITY
  • 12: I-QUASI-QUANTITY
  • 13: B-QUASI-CODE
  • 14: I-QUASI-CODE
  • 15: B-QUASI-ORG
  • 16: I-QUASI-ORG
  • 17: B-QUASI-DEM
  • 18: I-QUASI-DEM
  • 19: B-QUASI-MISC
  • 20: I-QUASI-MISC
  • 21: B-DIRECT-ORG
  • 22: I-DIRECT-ORG
  • 23: B-DIRECT-DATETIME
  • 24: I-DIRECT-DATETIME
  • 25: B-DIRECT-LOC
  • 26: I-DIRECT-LOC
  • 27: B-DIRECT-MISC
  • 28: I-DIRECT-MISC
  • 29: B-DIRECT-DEM
  • 30: I-DIRECT-DEM
• doc_id: 文档ID，数据类型为字符串。

数据分割

• train: 训练集，包含1014个样本，大小为63243483字节。
• dev: 开发集，包含127个样本，大小为7896080字节。
• test: 测试集，包含127个样本，大小为7787686字节。

数据集大小

• 下载大小: 14969043字节
• 数据集总大小: 78927249字节