bio-datasets/e3c-llm

这是一个使用大型语言模型（LLM）标注的E3C临床文本语料库，主要用于命名实体识别（NER）任务。

原始信息汇总

数据集概述

数据集名称

• E3C

数据集配置名称

• e3c-llm

数据集特征

• text: 数据类型为字符串。
• tokens_offsets: 序列类型，数据类型为int32。
• clinical_entity_tags: 序列类型，包含分类标签，标签名称为：
  • 0: O
  • 1: B-CLINENTITY
  • 2: I-CLINENTITY

数据集分割

• en_layer1: 1520个示例，大小为768555字节。
• en_layer2_validation: 334个示例，大小为175089字节。
• fr_layer1: 1109个示例，大小为758368字节。
• eu_layer2: 1594个示例，大小为503182字节。
• eu_layer2_validation: 468个示例，大小为131870字节。
• it_layer2: 2436个示例，大小为1590730字节。
• es_layer2_validation: 261个示例，大小为166201字节。
• fr_layer2_validation: 293个示例，大小为170233字节。
• es_layer2: 2347个示例，大小为1506040字节。
• en_layer2: 2873个示例，大小为1539228字节。
• fr_layer2: 2389个示例，大小为1583560字节。
• eu_layer1: 3126个示例，大小为910983字节。
• it_layer1: 1145个示例，大小为768769字节。
• es_layer1: 1134个示例，大小为754628字节。
• it_layer2_validation: 275个示例，大小为172651字节。

数据集大小

• 下载大小: 0字节
• 数据集总大小: 11500087字节