five

procit001/conll2003_MergedWithDutchName_Updated_By_Susan

收藏
Hugging Face2024-06-18 更新2024-06-29 收录
下载链接:
https://hf-mirror.com/datasets/procit001/conll2003_MergedWithDutchName_Updated_By_Susan
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的多个特征,包括id、tokens、pos_tags(词性标注)、chunk_tags(短语标注)和ner_tags(命名实体识别)。pos_tags、chunk_tags和ner_tags是序列标签,分别用于标注词性、短语和命名实体。数据集被分为训练集、验证集和测试集,分别包含61152、9139和9343个样本,总大小为13815619字节。

This dataset includes multiple features of text data, including id, tokens, pos_tags (part-of-speech tags), chunk_tags (phrase tags), and ner_tags (named entity recognition tags). The pos_tags, chunk_tags, and ner_tags are sequence labels used for part-of-speech tagging, phrase tagging, and named entity recognition, respectively. The dataset is divided into train, validation, and test sets, containing 61152, 9139, and 9343 samples respectively, with a total size of 13815619 bytes.
提供机构:
procit001
原始信息汇总

数据集概述

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:
    • 样本数量: 61152
    • 字节数: 9781460
  • validation:
    • 样本数量: 9139
    • 字节数: 2095624
  • test:
    • 样本数量: 9343
    • 字节数: 1938535

数据集大小

  • 下载大小: 2892143 字节
  • 数据集总大小: 13815619 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