lingvenvist/animacy-gl-gold-standard-minus

该数据集主要用于自然语言处理任务，包含句子、词元、动画标签和目标索引四个特征。句子是文本内容，词元是句子的分词结果，动画标签是对词元的分类标签，包含三个类别（N、A、H），目标索引是与词元相关的整数序列。数据集分为训练集、测试集和验证集，分别用于模型训练、测试和验证。

This dataset is primarily used for natural language processing tasks, featuring four main characteristics: sentences, tokens, anim_tags, and target-indexes. Sentences are textual content, tokens are the word segmentation results of sentences, anim_tags are classification labels for tokens, including three categories (N, A, H), and target-indexes are integer sequences related to tokens. The dataset is divided into training, testing, and validation sets, respectively used for model training, testing, and validation.

原始信息汇总

数据集概述

数据特征

• 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。

数据集划分

• train: 包含7685个样本，占用2745324字节。
• test: 包含1647个样本，占用597362字节。
• validation: 包含1648个样本，占用585534字节。

数据集大小

• 下载大小: 1815187字节。
• 总大小: 3928220字节。

配置

• default:
  • train: 数据文件路径为 data/train-*。
  • test: 数据文件路径为 data/test-*。
  • validation: 数据文件路径为 data/validation-*。