MaryDatascientist/ten_tags_dataset

---
dataset_info:
features:
- name: tokens
sequence: string
- name: ner_tags
sequence: int64
- name: lang
dtype: string
splits:
- name: train
num_bytes: 96808644
num_examples: 262560
- name: validation
num_bytes: 12939946
num_examples: 32820
- name: test
num_bytes: 11845292
num_examples: 32908
download_size: 29861002
dataset_size: 121593882
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据特征

• tokens: 字符串序列
• ner_tags: 整数序列
• lang: 字符串类型

数据分割

• 训练集 (train):
  • 字节数: 96808644
  • 样本数: 262560
• 验证集 (validation):
  • 字节数: 12939946
  • 样本数: 32820
• 测试集 (test):
  • 字节数: 11845292
  • 样本数: 32908

数据集大小

• 下载大小: 29861002 字节
• 数据集总大小: 121593882 字节

配置

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 验证集路径: data/validation-*
  • 测试集路径: data/test-*