mattmdjaga/text-anonymization-benchmark-val-test
收藏Hugging Face2024-03-20 更新2024-06-11 收录
下载链接：
https://hf-mirror.com/datasets/mattmdjaga/text-anonymization-benchmark-val-test
下载链接
链接失效反馈官方服务：
资源简介：
这是Text Anonymisation Benchmark的验证和测试部分。该数据集专注于文本匿名化，特别是欧洲法院文件，包含多个注释者的标签。
这是Text Anonymisation Benchmark的验证和测试部分。该数据集专注于文本匿名化，特别是欧洲法院文件，包含多个注释者的标签。
提供机构：
mattmdjaga
原始信息汇总
数据集概述
数据集名称
- 名称: Text Anonymization Benchmark (TAB) Validation & Test
数据集特征
- doc_id: 字符串类型
- quality_checked: 字符串序列
- text: 字符串类型
- dataset_type: 字符串类型
- annotations: 结构化数据，包含多个注释者（annotator1至annotator12）的详细信息，每个注释者包含以下字段：
- entity_mentions: 列表，包含多个实体提及，每个实体提及包含以下字段：
- confidential_status: 字符串类型
- edit_type: 字符串类型
- end_offset: 整数类型（int64）
- entity_id: 字符串类型
- entity_mention_id: 字符串类型
- entity_type: 字符串类型
- identifier_type: 字符串类型
- related_mentions: 字符串序列
- span_text: 字符串类型
- start_offset: 整数类型（int64）
- entity_mentions: 列表，包含多个实体提及，每个实体提及包含以下字段：
- meta: 结构化数据，包含以下字段：
- applicant: 字符串类型
- articles: 整数类型（int64）
- countries: 字符串类型
- legal_branch: 字符串类型
- year: 整数类型（int64）
- task: 字符串类型
数据集分割
- test: 127个样本，总字节数4649866
- validation: 127个样本，总字节数4510489
数据集大小
- 下载大小: 2649915字节
- 数据集大小: 9160355字节
许可证
- 许可证: MIT
