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-*