kdercksen/substanreview

这是一个重新格式化（分割spans和labels）的SubstanReview数据集版本，原始数据集可以在https://github.com/YanzhuGuo/SubstanReview找到。数据集包含id、review、spans和labels四个特征，分为训练集和测试集，分别包含440和110个样本。

原始信息汇总

数据集概述

特征信息

• id: 数据类型为 int64
• review: 数据类型为 string
• spans: 数据类型为 int64 的序列
• labels: 数据类型为 string 的序列

数据分割

• train: 包含 440 个样本，总字节数为 1264992
• test: 包含 110 个样本，总字节数为 299386

数据大小

• 下载大小: 840892 字节
• 数据集大小: 1564378 字节

配置信息

• config_name: default
  • data_files:
    • train: 路径为 data/train-*
    • test: 路径为 data/test-*