shomez/mention-detection-bert-cased

该数据集用于提及检测任务，包含tokens、labels、mentions、input_ids和attention_mask等特征。labels用于标识提及的开始和内部，其中0代表无提及（O），1代表提及的开始（B-MEN），2代表提及的内部（I-MEN）。mentions包含提及的起始和结束标记索引、标识符和tokens。input_ids和attention_mask是用于BERT模型输入的序列数据。数据集分为训练集，包含547个例子。

This dataset is designed for mention detection tasks, containing features such as tokens, labels, mentions, input_ids, and attention_mask. Labels are used to identify the beginning and inside of mentions, where 0 represents no mention (O), 1 represents the beginning of a mention (B-MEN), and 2 represents the inside of a mention (I-MEN). Mentions include the start and end token indices, identifiers, and tokens. input_ids and attention_mask are sequence data used for BERT model input. The dataset is divided into a training set containing 547 examples.

原始信息汇总

数据集概述

特征信息

• tokens: 字符串序列
• labels: 序列，包含类别标签
  • 类别标签名称:
    • 0: O
    • 1: B-MEN
    • 2: I-MEN
• mentions: 列表，包含以下字段
  • start_token_idx: 整数类型
  • end_token_idx: 整数类型
  • identifier: 字符串类型
  • tokens: 字符串序列
• input_ids: 整数序列
• attention_mask: 整数序列

数据分割

• train:
  • 样本数量: 547
  • 数据大小: 6399664 字节

数据集大小

• 下载大小: 1482840 字节
• 数据集大小: 6399664 字节