oualidlamrini/conll2003_dataset_french_ner

该数据集包含用于命名实体识别（NER）任务的文本数据，主要特征包括tokens和ner_tags。tokens是字符串序列，而ner_tags是包含多个类标签的序列，每个标签对应一个特定的命名实体识别类别，如人名、性别、出生地点等。数据集分为训练集、验证集和测试集，分别包含173、35和24个示例。

原始信息汇总

数据集概述

许可证

• MIT

数据集信息

特征

• tokens: 字符串序列
• ner_tags: 命名实体识别标签序列
  • 标签名称及其对应值：
    • 0: O
    • 1: B-nom
    • 2: I-nom
    • 3: B-prenom
    • 4: I-prenom
    • 5: B-sexe
    • 6: I-sexe
    • 7: B-lieu_naissance
    • 8: I-lieu_naissance
    • 9: B-date_naissance
    • 10: I-date_naissance
    • 11: B-nom_d_usage
    • 12: I-nom_d_usage
    • 13: B-adresse
    • 14: I-adresse

数据分割

• train:
  • 字节数: 145188
  • 样本数: 173
• validation:
  • 字节数: 28368
  • 样本数: 35
• test:
  • 字节数: 18592
  • 样本数: 24

数据集大小

• 下载大小: 55775 字节
• 数据集总大小: 192148 字节

配置

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