argilla/gutenberg_spacy-ner

---
dataset_info:
features:
- name: text
dtype: string
- name: tokens
sequence: string
- name: prediction
list:
- name: end
dtype: int64
- name: label
dtype: string
- name: score
dtype: float64
- name: start
dtype: int64
- name: prediction_agent
dtype: string
- name: annotation
dtype: 'null'
- name: annotation_agent
dtype: 'null'
- name: id
dtype: string
- name: metadata
dtype: 'null'
- name: status
dtype: string
- name: event_timestamp
dtype: 'null'
- name: metrics
struct:
- name: annotated
struct:
- name: mentions
sequence: 'null'
- name: predicted
struct:
- name: mentions
list:
- name: capitalness
dtype: string
- name: chars_length
dtype: int64
- name: density
dtype: float64
- name: label
dtype: string
- name: score
dtype: float64
- name: tokens_length
dtype: int64
- name: value
dtype: string
- name: tokens
list:
- name: capitalness
dtype: string
- name: char_end
dtype: int64
- name: char_start
dtype: int64
- name: custom
dtype: 'null'
- name: idx
dtype: int64
- name: length
dtype: int64
- name: score
dtype: 'null'
- name: tag
dtype: string
- name: value
dtype: string
- name: tokens_length
dtype: int64
- name: vectors
struct:
- name: mini-lm-sentence-transformers
sequence: float64
splits:
- name: train
num_bytes: 1426424
num_examples: 100
download_size: 389794
dataset_size: 1426424
language:
- en
---
# Dataset Card for "gutenberg_spacy-ner"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集特征

• text：文本内容，数据类型为字符串。
• tokens：文本分词结果，数据类型为字符串序列。
• prediction：预测结果，包含以下子特征：
  • end：结束位置，数据类型为int64。
  • label：标签，数据类型为字符串。
  • score：得分，数据类型为float64。
  • start：开始位置，数据类型为int64。
• prediction_agent：预测代理，数据类型为字符串。
• annotation：注释，数据类型为null。
• annotation_agent：注释代理，数据类型为null。
• id：唯一标识符，数据类型为字符串。
• metadata：元数据，数据类型为null。
• status：状态，数据类型为字符串。
• event_timestamp：事件时间戳，数据类型为null。
• metrics：度量指标，包含以下子特征：
  • annotated：已注释部分，包含子特征：
    • mentions：提及，数据类型为null序列。
  • predicted：预测部分，包含子特征：
    • mentions：提及，包含以下子特征：
      • capitalness：首字母大写状态，数据类型为字符串。
      • chars_length：字符长度，数据类型为int64。
      • density：密度，数据类型为float64。
      • label：标签，数据类型为字符串。
      • score：得分，数据类型为float64。
      • tokens_length：分词长度，数据类型为int64。
      • value：值，数据类型为字符串。
  • tokens：分词信息，包含以下子特征：
    • capitalness：首字母大写状态，数据类型为字符串。
    • char_end：字符结束位置，数据类型为int64。
    • char_start：字符开始位置，数据类型为int64。
    • custom：自定义信息，数据类型为null。
    • idx：索引，数据类型为int64。
    • length：长度，数据类型为int64。
    • score：得分，数据类型为null。
    • tag：标签，数据类型为字符串。
    • value：值，数据类型为字符串。
  • tokens_length：分词长度，数据类型为int64。
• vectors：向量信息，包含以下子特征：
  • mini-lm-sentence-transformers：句子转换器向量，数据类型为float64序列。

数据集分割

• train：训练集，包含100个样本，数据大小为1426424字节。

数据集大小

• 下载大小：389794字节。
• 数据集大小：1426424字节。

语言

• en：英语。