five

procit001/conll2003susantest

收藏
Hugging Face2024-07-03 更新2024-07-06 收录
下载链接:
https://hf-mirror.com/datasets/procit001/conll2003susantest
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集包含文本数据,每个样本具有唯一的id、文本序列(tokens)、词性标注序列(pos_tags)、短语标注序列(chunk_tags)和命名实体识别标签(ner_tags)。数据集分为训练集、验证集和测试集,分别包含14041、3250和3453个样本。数据集的下载大小为1822978字节,总大小为10252622字节。

This dataset contains text data, with each sample having a unique id, a sequence of tokens, a sequence of part-of-speech tags (pos_tags), a sequence of chunk tags (chunk_tags), and named entity recognition tags (ner_tags). The dataset is divided into training, validation, and test sets, containing 14041, 3250, and 3453 samples respectively. The download size of the dataset is 1822978 bytes, and the total size is 10252622 bytes.
提供机构:
procit001
原始信息汇总

数据集概述

数据集特征

  • id: 字符串类型
  • tokens: 字符串序列
  • pos_tags: 词性标签序列
    • 标签名称:
      • 0: "
      • 1:
      • 2: #
      • 3: $
      • 4: (
      • 5: )
      • 6: ,
      • 7: .
      • 8: :
      • 9: ``
      • 10: CC
      • 11: CD
      • 12: DT
      • 13: EX
      • 14: FW
      • 15: IN
      • 16: JJ
      • 17: JJR
      • 18: JJS
      • 19: LS
      • 20: MD
      • 21: NN
      • 22: NNP
      • 23: NNPS
      • 24: NNS
      • 25: NN|SYM
      • 26: PDT
      • 27: POS
      • 28: PRP
      • 29: PRP$
      • 30: RB
      • 31: RBR
      • 32: RBS
      • 33: RP
      • 34: SYM
      • 35: TO
      • 36: UH
      • 37: VB
      • 38: VBD
      • 39: VBG
      • 40: VBN
      • 41: VBP
      • 42: VBZ
      • 43: WDT
      • 44: WP
      • 45: WP$
      • 46: WRB
  • chunk_tags: 短语标签序列
    • 标签名称:
      • 0: O
      • 1: B-ADJP
      • 2: I-ADJP
      • 3: B-ADVP
      • 4: I-ADVP
      • 5: B-CONJP
      • 6: I-CONJP
      • 7: B-INTJ
      • 8: I-INTJ
      • 9: B-LST
      • 10: I-LST
      • 11: B-NP
      • 12: I-NP
      • 13: B-PP
      • 14: I-PP
      • 15: B-PRT
      • 16: I-PRT
      • 17: B-SBAR
      • 18: I-SBAR
      • 19: B-UCP
      • 20: I-UCP
      • 21: B-VP
      • 22: I-VP
  • ner_tags: 命名实体标签序列
    • 标签名称:
      • 0: O
      • 1: B-PER
      • 2: I-PER
      • 3: B-ORG
      • 4: I-ORG
      • 5: B-LOC
      • 6: I-LOC
      • 7: B-MISC
      • 8: I-MISC

数据集划分

  • train:
    • 字节数: 6931345
    • 样本数: 14041
  • validation:
    • 字节数: 1739223
    • 样本数: 3250
  • test:
    • 字节数: 1582054
    • 样本数: 3453

数据集大小

  • 下载大小: 1822978 字节
  • 数据集总大小: 10252622 字节

配置

  • config_name: default
    • 数据文件路径:
      • train: data/train-*
      • validation: data/validation-*
      • test: data/test-*
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作