tjspross/ctb6

---
dataset_info:
features:
- name: tokens
sequence: string
- name: cws_tags
sequence:
class_label:
names:
'0': B-SEG
'1': M-SEG
'2': E-SEG
'3': S-SEG
splits:
- name: train
num_bytes: 16019709
num_examples: 23458
- name: test
num_bytes: 2033816
num_examples: 2796
- name: dev
num_bytes: 1520164
num_examples: 2079
download_size: 2580231
dataset_size: 19573689
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: dev
path: data/dev-*
---

原始信息汇总

数据集概述

数据集特征

• tokens: 字符串序列。
• cws_tags: 序列标签，包含以下类别：
  • 0: B-SEG
  • 1: M-SEG
  • 2: E-SEG
  • 3: S-SEG

数据集分割

• 训练集 (train):
  • 样本数量: 23458
  • 数据大小: 16019709 字节
• 测试集 (test):
  • 样本数量: 2796
  • 数据大小: 2033816 字节
• 验证集 (dev):
  • 样本数量: 2079
  • 数据大小: 1520164 字节

数据集大小

• 下载大小: 2580231 字节
• 数据集总大小: 19573689 字节

数据文件配置

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