shivangibithel/SOTAB

SOTAB数据集是一个大规模的半结构化表格列类型标注数据集，用于表格标注任务。该数据集通过众包方式进行标注，仅包含英文数据，并根据CC-BY-4.0许可证授权。数据集包含column_index、label和table等特征，其中table特征包含header、rows和name。数据集分为训练集、测试集和验证集，分别包含130471、15040和16840个样本。然而，数据集在提炼理由、源数据、标注过程和使用数据的考虑因素等方面缺乏详细信息。SOTAB数据集是一个大规模的半结构化表格列类型标注数据集，用于表格标注任务。该数据集通过众包方式进行标注，仅包含英文数据，并根据CC-BY-4.0许可证授权。数据集包含column_index、label和table等特征，其中table特征包含header、rows和name。数据集分为训练集、测试集和验证集，分别包含130471、15040和16840个样本。然而，数据集在提炼理由、源数据、标注过程和使用数据的考虑因素等方面缺乏详细信息。

原始信息汇总

数据集概述

名称: SOTAB_CTA

语言: 英语 (en)

许可证: CC-BY-4.0

多语言性: 单语

数据集大小: 162351个实例

数据集结构

数据字段

• id: 整数类型 (int32)
• column_index: 整数类型 (int32)
• label: 字符串类型 (string)
• table: 结构化字段，包含以下子字段：
  • header: 字符串序列
  • rows: 字符串序列的序列
  • name: 字符串类型 (string)

数据分割

• 训练集: 130471个实例
• 测试集: 15040个实例
• 验证集: 16840个实例

数据集创建

注释者

• 注释创建方式: 众包

语言创建者

• 语言创建方式: 发现

许可证信息

• 许可证: Creative Commons Attribution Share Alike 4.0 International

数据集管理者

• 数据集管理者: Panupong Pasupat 和 Percy Liang