bs-modeling-metadata/OSCAR_Entity_13_000

数据集以json lines文件形式存在，包含10,657个示例。每个示例由文本（从OSCAR未打乱的英语数据集的前13,000行中提取）和元数据字段（实体）组成。示例的结构包括文本和元数据，元数据中包含实体的键、类型、字符起始和结束索引以及实体的值。

原始信息汇总

数据集概述

数据集格式与大小

• 数据集为JSON Lines格式，包含10,657个示例。

示例结构

• 文本内容：提取自OSCAR unshuffled English数据集的前13,000行文本。
• 元数据（实体）：
  • 字段：
    • key：固定为"entity"。
    • type：固定为"local"。
    • char_start_idx：实体在文本中的起始字符索引。
    • char_end_idx：实体在文本中的结束字符索引。
    • value：实体的具体值。
  • 示例： json { "key": "entity", "type": "local", "char_start_idx": 80, "char_end_idx": 88, "value": "Midlands" }