finiteautomata/meddocan

---
dataset_info:
features:
- name: id
dtype: string
- name: document_id
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-FECHAS
'2': I-FECHAS
'3': B-CENTRO_SALUD
'4': I-CENTRO_SALUD
'5': B-NOMBRE_SUJETO_ASISTENCIA
'6': I-NOMBRE_SUJETO_ASISTENCIA
'7': B-PAIS
'8': I-PAIS
'9': B-INSTITUCION
'10': I-INSTITUCION
'11': B-ID_TITULACION_PERSONAL_SANITARIO
'12': I-ID_TITULACION_PERSONAL_SANITARIO
'13': B-CALLE
'14': I-CALLE
'15': B-ID_SUJETO_ASISTENCIA
'16': I-ID_SUJETO_ASISTENCIA
'17': B-ID_ASEGURAMIENTO
'18': I-ID_ASEGURAMIENTO
'19': B-ID_EMPLEO_PERSONAL_SANITARIO
'20': I-ID_EMPLEO_PERSONAL_SANITARIO
'21': B-TERRITORIO
'22': I-TERRITORIO
'23': B-SEXO_SUJETO_ASISTENCIA
'24': I-SEXO_SUJETO_ASISTENCIA
'25': B-CORREO_ELECTRONICO
'26': I-CORREO_ELECTRONICO
'27': B-HOSPITAL
'28': I-HOSPITAL
'29': B-FAMILIARES_SUJETO_ASISTENCIA
'30': I-FAMILIARES_SUJETO_ASISTENCIA
'31': B-NUMERO_FAX
'32': I-NUMERO_FAX
'33': B-OTROS_SUJETO_ASISTENCIA
'34': I-OTROS_SUJETO_ASISTENCIA
'35': B-NUMERO_TELEFONO
'36': I-NUMERO_TELEFONO
'37': B-NOMBRE_PERSONAL_SANITARIO
'38': I-NOMBRE_PERSONAL_SANITARIO
'39': B-PROFESION
'40': I-PROFESION
'41': B-EDAD_SUJETO_ASISTENCIA
'42': I-EDAD_SUJETO_ASISTENCIA
'43': B-ID_CONTACTO_ASISTENCIAL
'44': I-ID_CONTACTO_ASISTENCIAL
splits:
- name: train
num_bytes: 9141826
num_examples: 4731
- name: validation
num_bytes: 4826850
num_examples: 2469
- name: test
num_bytes: 4586544
num_examples: 2374
download_size: 1876568
dataset_size: 18555220
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---
# Dataset Card for "meddocan"

[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

特征信息

• id: 字符串类型
• document_id: 字符串类型
• tokens: 字符串序列
• ner_tags: 标签序列，包含以下类别：
  • 0: O
  • 1: B-FECHAS
  • 2: I-FECHAS
  • 3: B-CENTRO_SALUD
  • 4: I-CENTRO_SALUD
  • 5: B-NOMBRE_SUJETO_ASISTENCIA
  • 6: I-NOMBRE_SUJETO_ASISTENCIA
  • 7: B-PAIS
  • 8: I-PAIS
  • 9: B-INSTITUCION
  • 10: I-INSTITUCION
  • 11: B-ID_TITULACION_PERSONAL_SANITARIO
  • 12: I-ID_TITULACION_PERSONAL_SANITARIO
  • 13: B-CALLE
  • 14: I-CALLE
  • 15: B-ID_SUJETO_ASISTENCIA
  • 16: I-ID_SUJETO_ASISTENCIA
  • 17: B-ID_ASEGURAMIENTO
  • 18: I-ID_ASEGURAMIENTO
  • 19: B-ID_EMPLEO_PERSONAL_SANITARIO
  • 20: I-ID_EMPLEO_PERSONAL_SANITARIO
  • 21: B-TERRITORIO
  • 22: I-TERRITORIO
  • 23: B-SEXO_SUJETO_ASISTENCIA
  • 24: I-SEXO_SUJETO_ASISTENCIA
  • 25: B-CORREO_ELECTRONICO
  • 26: I-CORREO_ELECTRONICO
  • 27: B-HOSPITAL
  • 28: I-HOSPITAL
  • 29: B-FAMILIARES_SUJETO_ASISTENCIA
  • 30: I-FAMILIARES_SUJETO_ASISTENCIA
  • 31: B-NUMERO_FAX
  • 32: I-NUMERO_FAX
  • 33: B-OTROS_SUJETO_ASISTENCIA
  • 34: I-OTROS_SUJETO_ASISTENCIA
  • 35: B-NUMERO_TELEFONO
  • 36: I-NUMERO_TELEFONO
  • 37: B-NOMBRE_PERSONAL_SANITARIO
  • 38: I-NOMBRE_PERSONAL_SANITARIO
  • 39: B-PROFESION
  • 40: I-PROFESION
  • 41: B-EDAD_SUJETO_ASISTENCIA
  • 42: I-EDAD_SUJETO_ASISTENCIA
  • 43: B-ID_CONTACTO_ASISTENCIAL
  • 44: I-ID_CONTACTO_ASISTENCIAL

数据分割

• train: 包含4731个样本，占用9141826字节
• validation: 包含2469个样本，占用4826850字节
• test: 包含2374个样本，占用4586544字节

数据集大小

• 下载大小: 1876568字节
• 数据集大小: 18555220字节

配置信息

• config_name: default
  • data_files:
    • train: data/train-*
    • validation: data/validation-*
    • test: data/test-*