umarigan/turkish_wikipedia_dataset_NER

---
dataset_info:
features:
- name: id
dtype: int64
- name: text
dtype: string
- name: title
dtype: string
- name: ner
list:
- name: end
dtype: int64
- name: entity
dtype: string
- name: index
dtype: int64
- name: score
dtype: float32
- name: start
dtype: int64
- name: word
dtype: string
- name: cleaned_ners
sequence: string
- name: cleaned_new
sequence: string
splits:
- name: train
num_bytes: 1781032869
num_examples: 265000
download_size: 698313289
dataset_size: 1781032869
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "turkish_wikipedia_dataset_NER"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

• 特征列表:
  • id: 数据类型为 int64
  • text: 数据类型为 string
  • title: 数据类型为 string
  • ner: 包含以下子特征:
    • end: 数据类型为 int64
    • entity: 数据类型为 string
    • index: 数据类型为 int64
    • score: 数据类型为 float32
    • start: 数据类型为 int64
    • word: 数据类型为 string
  • cleaned_ners: 数据类型为 sequence 的 string
  • cleaned_new: 数据类型为 sequence 的 string

数据分割

• 训练集:
  • 文件大小: 1781032869 字节
  • 样本数量: 265000

数据集大小

• 下载大小: 698313289 字节
• 数据集大小: 1781032869 字节

配置

• 默认配置:
  • 数据文件路径: data/train-*