2024-mcm-everitt-ryan/job-bias-synthetic-human-benchmark-v2

该数据集包含多个字段，主要涉及年龄、残疾、性别、种族和性取向等标签及其分析结果。数据集被划分为训练集、验证集和测试集，分别包含4609、593和584个样本。每个样本包含id、标签、分析结果、验证状态、合成状态、文本内容和元数据等信息。

This dataset contains multiple fields, primarily involving labels and analysis results for age, disability, gender, race, and sexual orientation. The dataset is divided into training, validation, and test sets, containing 4609, 593, and 584 samples respectively. Each sample includes information such as id, labels, analysis results, verification status, synthetic status, text content, and metadata.

原始信息汇总

数据集概述

数据集特征

• id: 字符串类型
• label_age: 布尔类型
• analysis_age: 字符串类型
• label_disability: 布尔类型
• analysis_disability: 字符串类型
• label_feminine: 布尔类型
• analysis_feminine: 字符串类型
• label_general: 布尔类型
• analysis_general: 字符串类型
• label_masculine: 布尔类型
• analysis_masculine: 字符串类型
• label_neutral: 布尔类型
• analysis_neutral: 空值类型
• label_racial: 布尔类型
• analysis_racial: 字符串类型
• label_sexuality: 布尔类型
• analysis_sexuality: 字符串类型
• verified: 布尔类型
• synthetic: 布尔类型
• text: 字符串类型
• metadata: 字符串类型

数据集分割

• train:
  • 字节数: 50246230
  • 样本数: 4609
• val:
  • 字节数: 5144542
  • 样本数: 593
• test:
  • 字节数: 5061295
  • 样本数: 584

数据集大小

• 下载大小: 17626038 字节
• 数据集总大小: 60452067 字节

配置

• config_name: default
  • data_files:
    • train: data/train-*
    • val: data/val-*
    • test: data/test-*