lingvenvist/animacy-da-gold-standard

该数据集包含四个主要字段：sentences（句子）、tokens（词元）、anim_tags（动画标签）和target-indexes（目标索引）。其中，anim_tags字段是一个序列，包含三个类标签：N、A和H。数据集分为训练集、测试集和验证集，分别包含9221、1976和1977个样本。

The dataset includes four main features: sentences, tokens, anim_tags, and target-indexes. Sentences are of string type, tokens are sequences of strings, anim_tags are sequences containing class labels with three types: N, A, H. Target-indexes are sequences of integers. The dataset is divided into training, testing, and validation parts, containing 9221, 1976, and 1977 samples respectively. The total download size of the dataset is 2444642 bytes, and the total dataset size is 4766363 bytes.

原始信息汇总

数据集概述

数据集特征

• sentences: 类型为字符串。
• tokens: 类型为字符串序列。
• anim_tags: 类型为序列，包含分类标签，标签名称为：
  • 0: N
  • 1: A
  • 2: H
• target-indexes: 类型为整数序列。

数据集划分

• train: 包含9221个样本，占用3344433字节。
• test: 包含1976个样本，占用711442字节。
• validation: 包含1977个样本，占用710488字节。

数据集大小

• 下载大小: 2444642字节。
• 总大小: 4766363字节。

配置

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