lingvenvist/en-animacy-train

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、测试集和验证集三个部分，分别包含44997、6669和5941个样本。数据集的下载大小为9561679字节，总大小为20553197.091229334字节。

The dataset contains four main fields: sentences, tokens, anim_tags, and target-indexes. The anim_tags field is a sequence containing three categories of labels: N, A, and H. The dataset is divided into three parts: training set, test set, and validation set, containing 44997, 6669, and 5941 samples respectively. The download size of the dataset is 9561679 bytes, and the total size is 20553197.091229334 bytes.

原始信息汇总

数据集概述

特征信息

• 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，标签名称为：
  • 0: N
  • 1: A
  • 2: H
• target-indexes: 类型为整数序列。

数据集分割

• train: 包含44997个样本，大小为16009926.20369589字节。
• test: 包含6669个样本，大小为2442173.208751686字节。
• validation: 包含5941个样本，大小为2101097.67878176字节。

数据集大小

• 下载大小: 9561679字节。
• 数据集总大小: 20553197.091229334字节。

配置信息

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