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-*