lingvenvist/animacy-ca-gold-standard

该数据集包含句子、标记、动画标签和目标索引四个主要字段。动画标签字段是一个序列，包含三个类别的标签：N、A和H。数据集分为训练集、测试集和验证集，分别包含9413、2017和2018个样本。

This dataset is primarily used for natural language processing tasks, featuring four main characteristics: sentences, tokens, anim_tags, and target-indexes. The sentences feature is a string, the tokens feature is a sequence of strings, the anim_tags feature includes three class labels: N (non-animated), A (animated), and H (hybrid), and the target-indexes feature is a sequence of integers. The dataset is divided into training, test, and validation sets, containing 9413, 2017, and 2018 samples respectively.

原始信息汇总

数据集概述

数据集信息

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：
  • 0: N
  • 1: A
  • 2: H
• target-indexes: 类型为整数序列。

数据分割

• train: 包含9413个样本，占用3443120字节。
• test: 包含2017个样本，占用733284字节。
• validation: 包含2018个样本，占用735364字节。

数据集大小

• 下载大小: 2295152字节。
• 数据集总大小: 4911768字节。

配置

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