cdreetz/single-row-pii-test

该数据集包含多个字段，涉及文档类型、描述、语言、领域、生成的文本、个人身份信息（PII）跨度、以及多个评分（如一致性评分、质量评分、毒性评分、偏见评分、基础性评分）等。此外，还包括Azure和GCP的结果。数据集主要用于文本生成和分析，可能用于评估文本质量、检测文本中的敏感信息、以及分析文本的偏见和毒性等方面。

This dataset includes multiple fields related to document types, descriptions, languages, domains, generated text, personally identifiable information (PII) spans, and various scores (such as conformance score, quality score, toxicity score, bias score, groundedness score). It also includes results from Azure and GCP. The dataset is primarily used for text generation and analysis, potentially for assessing text quality, detecting sensitive information in text, and analyzing text bias and toxicity.

原始信息汇总

数据集概述

数据集信息

特征

• level_0: 数据类型为 int64
• index: 数据类型为 int64
• document_type: 数据类型为 string
• document_description: 数据类型为 string
• expanded_type: 数据类型为 string
• expanded_description: 数据类型为 string
• language: 数据类型为 string
• language_description: 数据类型为 string
• domain: 数据类型为 string
• generated_text: 数据类型为 string
• pii_spans: 数据类型为 string
• conformance_score: 数据类型为 int64
• quality_score: 数据类型为 int64
• toxicity_score: 数据类型为 int64
• bias_score: 数据类型为 int64
• groundedness_score: 数据类型为 int64
• azure_results: 数据类型为 string
• gcp_results: 数据类型为 string

数据分割

• train: 包含 1 个样本，占用 9999 字节

数据集大小

• 下载大小: 37588 字节
• 数据集大小: 9999 字节

配置

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