five

procit001/dataset_NER

收藏
Hugging Face2024-07-10 更新2024-07-22 收录
下载链接:
https://hf-mirror.com/datasets/procit001/dataset_NER
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集包含文本数据的多个标注信息,包括词性标注(pos_tags)、短语标注(chunk_tags)和命名实体识别标注(ner_tags)。数据集分为训练集、验证集和测试集,分别包含454850、56856和56857个样本。数据集的下载大小为15351340字节,总大小为49583937.99999999字节。

This dataset contains multiple annotation information for text data, including part-of-speech tags (pos_tags), chunk tags (chunk_tags), and named entity recognition tags (ner_tags). The dataset is divided into training, validation, and test sets, containing 454850, 56856, and 56857 samples respectively. The download size of the dataset is 15351340 bytes, and the total size is 49583937.99999999 bytes.
提供机构:
procit001
原始信息汇总

数据集概述

数据集特征

  • id: 字符串类型
  • tokens: 字符串序列
  • pos_tags: 词性标签序列
    • 标签名称:
      • 0: "
      • 1:
      • 2: #
      • 3: $
      • 4: (
      • 5: )
      • 6: ,
      • 7: .
      • 8: :
      • 9: ``
      • 10: CC
      • 11: CD
      • 12: DT
      • 13: EX
      • 14: FW
      • 15: IN
      • 16: JJ
      • 17: JJR
      • 18: JJS
      • 19: LS
      • 20: MD
      • 21: NN
      • 22: NNP
      • 23: NNPS
      • 24: NNS
      • 25: NN|SYM
      • 26: PDT
      • 27: POS
      • 28: PRP
      • 29: PRP$
      • 30: RB
      • 31: RBR
      • 32: RBS
      • 33: RP
      • 34: SYM
      • 35: TO
      • 36: UH
      • 37: VB
      • 38: VBD
      • 39: VBG
      • 40: VBN
      • 41: VBP
      • 42: VBZ
      • 43: WDT
      • 44: WP
      • 45: WP$
      • 46: WRB
  • chunk_tags: 短语结构标签序列
    • 标签名称:
      • 0: O
      • 1: B-ADJP
      • 2: I-ADJP
      • 3: B-ADVP
      • 4: I-ADVP
      • 5: B-CONJP
      • 6: I-CONJP
      • 7: B-INTJ
      • 8: I-INTJ
      • 9: B-LST
      • 10: I-LST
      • 11: B-NP
      • 12: I-NP
      • 13: B-PP
      • 14: I-PP
      • 15: B-PRT
      • 16: I-PRT
      • 17: B-SBAR
      • 18: I-SBAR
      • 19: B-UCP
      • 20: I-UCP
      • 21: B-VP
      • 22: I-VP
  • ner_tags: 命名实体标签序列
    • 标签名称:
      • 0: O
      • 1: B-PER
      • 2: I-PER
      • 3: B-ORG
      • 4: I-ORG
      • 5: B-LOC
      • 6: I-LOC
      • 7: B-MISC
      • 8: I-MISC

数据集划分

  • train:
    • 样本数量: 454850
    • 字节数: 39667115.516310416
  • validation:
    • 样本数量: 56856
    • 字节数: 4958367.637232813
  • test:
    • 样本数量: 56857
    • 字节数: 4958454.846456769

数据集大小

  • 下载大小: 15351340 字节
  • 数据集总大小: 49583937.99999999 字节

配置

  • config_name: default
    • 数据文件路径:
      • train: data/train-*
      • validation: data/validation-*
      • test: data/test-*
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作