xusenlin/cmeee

CMeEE是一个中文医学命名实体识别数据集，包含文本和实体信息。实体信息包括实体的ID、实体字符串、起始位置、结束位置和标签。数据集分为训练集、测试集和验证集，分别包含15000、3000和5000个样本。

原始信息汇总

数据集概述

数据集名称

CMeEE 中文医学命名实体识别数据集

数据集特征

• text: 字符串类型，表示文本内容。
• entities: 列表类型，包含以下子特征：
  • id: 整数类型，表示实体的唯一标识。
  • entity: 字符串类型，表示实体对应的字符串。
  • start_offset: 整数类型，表示实体开始位置。
  • end_offset: 整数类型，表示实体结束位置的下一位。
  • label: 字符串类型，表示实体对应的开始位置。

数据集分割

• train: 包含15000个示例，总大小为5289666字节。
• test: 包含3000个示例，总大小为461472字节。
• validation: 包含5000个示例，总大小为1752698字节。

数据集大小

• 下载大小: 3359069字节
• 数据集总大小: 7503836字节