jganzabalseenka/noun_phrases_elastic_2024-05-01_2024-05-30

该数据集包含多个字段，主要涉及名词短语（noun_phrase）、计数（count）、首词（first_word）、总词数（total_words）、尾词（last_words）、标准化形式（normalized）、是否带重音（with_accents）等。数据集分为训练集，包含648,253个样本，总大小为66,952,109字节。这些字段可能用于自然语言处理任务，如文本分析、语言模型训练等。

This dataset is primarily used for natural language processing tasks, featuring various text analysis-related features such as noun phrases, counts, first words, total words, last words, normalized forms, and whether they include accents. The dataset is divided into a training set with 648253 samples, totaling 66952109 bytes. The download size of the dataset is 33910808 bytes.

原始信息汇总

数据集概述

数据集特征

• noun_phrase: 名词短语，数据类型为字符串。
• count: 计数，数据类型为整数。
• first_word: 第一个词，数据类型为字符串。
• total_words: 总词数，数据类型为整数。
• last_words: 最后一个词，数据类型为字符串。
• normalized: 标准化，数据类型为字符串。
• with_accents: 带重音，数据类型为布尔值。
• index_level_0: 索引级别0，数据类型为整数。

数据集分割

• train: 训练集，包含648,253个样本，占用66,952,109字节。

数据集大小

• 下载大小: 33,910,808字节
• 数据集大小: 66,952,109字节

配置

• default: 默认配置，包含训练集数据文件路径为data/train-*。