lingvenvist/animacy-en-xl-wsd-70-filtered

该数据集包含句子、词元、动画标签和目标索引四个主要字段。动画标签字段是一个序列，包含N、A、H三种类型的类标签。数据集分为训练集、测试集和验证集三个部分，分别包含35251、7558和7590个样本。数据集的下载大小为7713655字节，总大小为13792690.554541249字节。

The dataset contains four main fields: sentences, tokens, anim_tags, and target-indexes. The anim_tags field is a sequence containing class labels representing types N, A, and H. The dataset is divided into three parts: training set, test set, and validation set, containing 35251, 7558, and 7590 samples respectively. The download size of the dataset is 7713655 bytes, and the total size is 13792690.554541249 bytes.

原始信息汇总

数据集概述

数据集特征

• sentences: 类型为字符串。
• tokens: 类型为字符串序列。
• anim_tags: 类型为序列，包含以下类别标签：
  • 0: N
  • 1: A
  • 2: H
• target-indexes: 类型为整数序列。

数据集分割

• train: 包含35251个样本，占用9635671.058248308字节。
• test: 包含7558个样本，占用2076820.7305389221字节。
• validation: 包含7590个样本，占用2080198.76575402字节。

数据集大小

• 下载大小: 7713655字节。
• 总大小: 13792690.554541249字节。

配置

• default:
  • train: 数据路径为data/train-*。
  • test: 数据路径为data/test-*。
  • validation: 数据路径为data/validation-*。