aashsach/multiconer2

该数据集是一个多语言命名实体识别（NER）数据集，包含多种语言的配置（如bn、de、en、es、fa、fr、hi、it、pt等）。每个配置包含id、tokens和ner_tags三个特征，其中ner_tags特征是一个序列，包含了多个类别的命名实体标签，如航空航天制造商、解剖结构、艺术作品、艺术家、运动员等。每个配置还提供了训练集和验证集的划分，并详细列出了每个划分的字节数和示例数。

原始信息汇总

数据集概述

数据集配置

• config_name: 数据集配置名称，包括 bn, de, en, es, fa, fr, hi, it, pt。

数据集特征

• id: 字符串类型，用于标识每个样本。
• tokens: 序列类型，字符串，表示文本中的单词或符号序列。
• ner_tags: 序列类型，包含实体标签，用于命名实体识别。标签包括多种实体类别，如 B-AerospaceManufacturer, I-AerospaceManufacturer 等。

数据集分割

• train: 训练集，包含不同语言的数据大小和样本数量。
• validation: 验证集，包含不同语言的数据大小和样本数量。

数据集大小

• download_size: 下载大小，不同语言的数据集下载所需空间。
• dataset_size: 数据集总大小，包括训练和验证集。

各语言数据集详细信息

bn

• 训练集: 3844480字节, 9708样本
• 验证集: 199756字节, 507样本
• 下载大小: 4017205字节
• 数据集大小: 4044236字节

de

• 训练集: 2724923字节, 9785样本
• 验证集: 137726字节, 512样本
• 下载大小: 2831813字节
• 数据集大小: 2862649字节

en

• 训练集: 4448839字节, 16778样本
• 验证集: 232735字节, 871样本
• 下载大小: 4575462字节
• 数据集大小: 4681574字节

es

• 训练集: 4643093字节, 16453样本
• 验证集: 237306字节, 854样本
• 下载大小: 4659064字节
• 数据集大小: 4880399字节

fa

• 训练集: 5861165字节, 16321样本
• 验证集: 316929字节, 855样本
• 下载大小: 5760501字节
• 数据集大小: 6178094字节

fr

• 训练集: 4375159字节, 16548样本
• 验证集: 229499字节, 857样本
• 下载大小: 4492163字节
• 数据集大小: 4604658字节

hi

• 训练集: 4039051字节, 9632样本
• 验证集: 217741字节, 514样本
• 下载大小: 4060184字节
• 数据集大小: 4256792字节

it

• 训练集: 4256854字节, 16579样本
• 验证集: 219489字节, 858样本
• 下载大小: 4454712字节
• 数据集大小: 4476343字节

pt

• 训练集: 数据未完整提供，无法总结。
• 验证集: 数据未完整提供，无法总结。
• 下载大小: 数据未完整提供，无法总结。
• 数据集大小: 数据未完整提供，无法总结。