tjspross/as

---
dataset_info:
features:
- name: tokens
sequence: string
- name: cws_tags
sequence:
class_label:
names:
'0': B-SEG
'1': M-SEG
'2': E-SEG
'3': S-SEG
splits:
- name: train
num_bytes: 117472944
num_examples: 638056
- name: test
num_bytes: 3076732
num_examples: 14429
- name: dev
num_bytes: 13719016
num_examples: 70897
download_size: 20900203
dataset_size: 134268692
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: dev
path: data/dev-*
---

原始信息汇总

数据集概述

特征信息

• tokens: 序列类型为字符串。
• cws_tags: 序列类型为类别标签，包含以下标签：
  • 0: B-SEG
  • 1: M-SEG
  • 2: E-SEG
  • 3: S-SEG

数据分割

• train: 包含638056个样本，总字节数为117472944。
• test: 包含14429个样本，总字节数为3076732。
• dev: 包含70897个样本，总字节数为13719016。

数据集大小

• 下载大小: 20900203字节
• 数据集大小: 134268692字节

配置信息

• default: 包含以下数据文件路径：
  • train: data/train-*
  • test: data/test-*
  • dev: data/dev-*