maximedb/conll2002

---
dataset_info:
features:
- name: id
dtype: string
- name: tokens
sequence: string
- name: pos_tags
sequence:
class_label:
names:
'0': Adj
'1': Adv
'2': Art
'3': Conj
'4': Int
'5': Misc
'6': N
'7': Num
'8': Prep
'9': Pron
'10': Punc
'11': V
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-PER
'2': I-PER
'3': B-ORG
'4': I-ORG
'5': B-LOC
'6': I-LOC
'7': B-MISC
'8': I-MISC
- name: s2s_target
dtype: string
- name: s2s_input
dtype: string
splits:
- name: train
num_bytes: 6897645
num_examples: 15807
- name: validation
num_bytes: 1301994
num_examples: 2896
- name: test
num_bytes: 2347146
num_examples: 5196
download_size: 3023155
dataset_size: 10546785
---
# Dataset Card for "conll2002"

[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

数据集名称

• conll2002

数据集特征

• id: 字符串类型
• tokens: 字符串序列
• pos_tags: 字符串序列，包含以下类别标签：
  • Adj
  • Adv
  • Art
  • Conj
  • Int
  • Misc
  • N
  • Num
  • Prep
  • Pron
  • Punc
  • V
• ner_tags: 字符串序列，包含以下类别标签：
  • O
  • B-PER
  • I-PER
  • B-ORG
  • I-ORG
  • B-LOC
  • I-LOC
  • B-MISC
  • I-MISC
• s2s_target: 字符串类型
• s2s_input: 字符串类型

数据集分割

• 训练集: 15807个样本，大小为6897645字节
• 验证集: 2896个样本，大小为1301994字节
• 测试集: 5196个样本，大小为2347146字节

数据集大小

• 下载大小: 3023155字节
• 数据集总大小: 10546785字节