arbml/QCRI_arabic_pos_dialect

该数据集包含多个特征，如fold（折叠）、subfold（子文件夹）、words（单词）、segments（片段）、pos_tags（词性标签）、tags（标签）和tokens（标记）。数据集分为一个训练集（train），包含1400个样本，文件大小为1761496字节。下载大小为513882字节，数据集总大小为1761496字节。配置信息显示数据集的默认配置，数据文件路径为data/train-*。

The dataset contains multiple features such as fold, subfold, words, segments, pos_tags, tags, and tokens. The dataset is divided into a training set (train) with 1400 samples, and the file size is 1761496 bytes. The download size is 513882 bytes, and the total dataset size is 1761496 bytes. The configuration information shows the default configuration of the dataset, with the data file path being data/train-*.

原始信息汇总

数据集概述

数据集信息

特征

• fold: 数据类型为 int32
• subfold: 数据类型为 string
• words: 数据类型为 string，序列类型
• segments: 数据类型为 string，序列类型
• pos_tags: 数据类型为 string，序列类型
• tags: 数据类型为 int64
• tokens: 数据类型为 string，序列类型

数据分割

• train: 包含 1400 个样本，总字节数为 1761496

数据集大小

• 下载大小: 513882 字节
• 数据集大小: 1761496 字节

配置

• config_name: default
  • 数据文件:
    • split: train
    • path: data/train-*