ferrazzipietro/unLS_Llama-2-7b-hf_ncbi_disease_NoQuant_32_32_0.05_64_BestF1

该数据集主要用于命名实体识别任务，特别是与疾病相关的实体识别。数据集包含以下特征字段：id（唯一标识符）、tokens（文本标记序列）、ner_tags（命名实体识别标签序列，包括O、B-Disease和I-Disease）、input_ids（输入ID序列）、attention_mask（注意力掩码序列）、labels（标签序列）、sentence（句子文本）、predictions（预测结果序列）和ground_truth_labels（真实标签序列）。数据集仅包含测试集，测试集包含924个样本，总大小为1385467字节。

This dataset is primarily used for named entity recognition tasks, particularly for disease-related entity recognition. The dataset includes the following feature fields: id (unique identifier), tokens (sequence of text tokens), ner_tags (sequence of named entity recognition tags, including O, B-Disease, and I-Disease), input_ids (sequence of input IDs), attention_mask (sequence of attention masks), labels (sequence of labels), sentence (sentence text), predictions (sequence of predictions), and ground_truth_labels (sequence of ground truth labels). The dataset only includes a test set, which contains 924 samples with a total size of 1385467 bytes.

原始信息汇总

数据集概述

数据集信息

特征

• id: 类型为字符串。
• tokens: 类型为字符串序列。
• ner_tags: 类型为序列，包含类别标签：
  • 0: O
  • 1: B-Disease
  • 2: I-Disease
• input_ids: 类型为32位整数序列。
• attention_mask: 类型为8位整数序列。
• labels: 类型为64位整数序列。
• sentence: 类型为字符串。
• predictions: 类型为字符串序列。
• ground_truth_labels: 类型为字符串序列。

数据分割

• test: 包含924个样本，总字节数为1385467。

数据集大小

• 下载大小: 244606字节。
• 数据集大小: 1385467字节。

配置

• config_name: default
  • data_files:
    • split: test
    • path: data/test-*