coref-data/phrase_detectives_indiscrim

该数据集是通过重新格式化`coref-data/phrase_detectives_raw`数据集生成的，采用了无差别共指格式。数据集中包含句子、共指链、ID、文本、类型和元数据等特征。数据集分为训练集、验证集和测试集，分别包含695、45和45个示例。

原始信息汇总

数据集详情

特征

• sentences
  • id: 数据类型为 int64
  • speaker: 数据类型为 null
  • text: 数据类型为 string
  • tokens
    • id: 数据类型为 int64
    • text: 数据类型为 string
• coref_chains: 数据类型为 int64 的序列
• id: 数据类型为 string
• text: 数据类型为 string
• genre: 数据类型为 string
• meta_data
  • comment: 数据类型为 string

数据分割

• train
  • 字节数: 43394172.38513514
  • 样本数: 695
• validation
  • 字节数: 2809694.614864865
  • 样本数: 45
• test
  • 字节数: 847618
  • 样本数: 45

数据大小

• 下载大小: 13119886 字节
• 数据集大小: 47051485.0 字节

配置

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