boapps/kmdb_entities

---
dataset_info:
features:
- name: id
dtype: int64
- name: people
sequence: string
- name: institutions
sequence: string
- name: places
sequence: string
- name: text
dtype: string
- name: ent_lemmas
sequence:
sequence: string
- name: ent_tokens
list:
- name: text
dtype: string
- name: lemma
dtype: string
- name: tokens
list:
- name: i
dtype: int64
- name: text
dtype: string
- name: lemma
dtype: string
- name: ent_type
dtype: string
- name: iob
dtype: string
- name: words
sequence: string
splits:
- name: train
num_bytes: 670240594
num_examples: 46914
download_size: 262010648
dataset_size: 670240594
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

原始信息汇总

数据集概述

数据集特征

• id: 数据类型为 int64。
• people: 序列类型，数据类型为 string。
• institutions: 序列类型，数据类型为 string。
• places: 序列类型，数据类型为 string。
• text: 数据类型为 string。
• ent_lemmas: 序列类型，内部序列数据类型为 string。
• ent_tokens: 列表类型，包含以下子字段：
  • text: 数据类型为 string。
  • lemma: 数据类型为 string。
  • tokens: 列表类型，包含以下子字段：
    • i: 数据类型为 int64。
    • text: 数据类型为 string。
    • lemma: 数据类型为 string。
    • ent_type: 数据类型为 string。
    • iob: 数据类型为 string。
• words: 序列类型，数据类型为 string。

数据集分割

• train: 包含 46914 个样本，总字节数为 670240594。

数据集大小

• 下载大小: 262010648 字节。
• 数据集大小: 670240594 字节。

配置

• default: 包含训练数据文件，路径为 data/train-*。