MaryDatascientist/en_dataset

该数据集包含三个特征：tokens（字符串序列）、ner_tags（整数序列）和lang（字符串类型）。数据集分为训练集、验证集和测试集，分别有262560、32820和32908个样本。数据集的下载大小为30300039字节，总大小为123184143.88723207字节。数据文件路径根据不同的分割进行了指定。

原始信息汇总

数据集概述

数据集特征

• tokens: 序列类型，字符串
• ner_tags: 序列类型，整数（int64）
• lang: 数据类型，字符串

数据集分割

• 训练集 (train):
  • 字节数: 98357684.72831541
  • 样本数: 262560
• 验证集 (validation):
  • 字节数: 12407333.773835126
  • 样本数: 32820
• 测试集 (test):
  • 字节数: 12419125.385081522
  • 样本数: 32908

数据集大小

• 下载大小: 30300039 字节
• 数据集大小: 123184143.88723207 字节

配置信息

• 配置名称: default
• 数据文件路径:
  • 训练集: data/train-*
  • 验证集: data/validation-*
  • 测试集: data/test-*