sdansdk/tokenized_meta_review

---
dataset_info:
features:
- name: Input
dtype: string
- name: Output
dtype: string
- name: input_ids
sequence: int32
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 248586611
num_examples: 7680
- name: validation
num_bytes: 53401140
num_examples: 1645
- name: test
num_bytes: 53175067
num_examples: 1645
download_size: 127775545
dataset_size: 355162818
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• Input: 数据类型为字符串。
• Output: 数据类型为字符串。
• input_ids: 序列类型为32位整数。
• attention_mask: 序列类型为8位整数。
• labels: 序列类型为64位整数。

数据集分割

• 训练集: 包含7680个样本，总大小为248586611字节。
• 验证集: 包含1645个样本，总大小为53401140字节。
• 测试集: 包含1645个样本，总大小为53175067字节。

数据集大小

• 下载大小: 127775545字节。
• 数据集总大小: 355162818字节。

数据文件配置

• 默认配置:
  • 训练集路径: data/train-*
  • 验证集路径: data/validation-*
  • 测试集路径: data/test-*