Ailaysa-MTPE/token_classification_dataset

该数据集主要用于命名实体识别（NER）任务，包含tokens和ner_tags两个主要字段。tokens字段是字符串序列，ner_tags字段是序列化的类标签，用于标识命名实体的类型，如人名（PER）、组织名（ORG）和地名（LOC）等。数据集分为train、test和validation三个部分，分别包含497882、758和2795个示例，总下载大小为48623258字节，总数据集大小为187830749字节。

原始信息汇总

数据集信息

特征

• tokens: 字符串序列
• ner_tags: 序列标签
  • 类别标签名称:
    • 0: O
    • 1: B-PER
    • 2: I-PER
    • 3: B-ORG
    • 4: I-ORG
    • 5: B-LOC
    • 6: I-LOC

数据分割

• train:
  • 字节数: 186464659
  • 样本数: 497882
• test:
  • 字节数: 319747
  • 样本数: 758
• validation:
  • 字节数: 1046343
  • 样本数: 2795

数据大小

• 下载大小: 48623258 字节
• 数据集大小: 187830749 字节

配置

• default:
  • 数据文件路径:
    • train: data/train-*
    • test: data/test-*
    • validation: data/validation-*