coref-data/preco_indiscrim

该数据集是通过将`coref-data/preco_raw`数据集重新格式化为无差别共指格式而生成的。数据集包含多个特征，如id、句子、文本、共指链、类型和元数据等。数据集分为训练集、验证集和测试集，分别包含36120、500和500个样本。下载大小为126986138字节，数据集总大小为457521565.0字节。

原始信息汇总

数据集概述

数据集信息

特征

• id: 数据类型为字符串。
• sentences: 列表类型，包含以下子特征：
  • id: 数据类型为int64。
  • speaker: 数据类型为null。
  • text: 数据类型为字符串。
  • tokens: 列表类型，包含以下子特征：
    • id: 数据类型为int64。
    • text: 数据类型为字符串。
• text: 数据类型为字符串。
• coref_chains: 序列类型，包含多层嵌套的int64类型。
• genre: 数据类型为字符串。
• meta_data: 结构类型，包含以下子特征：
  • comment: 数据类型为字符串。

数据分割

• train: 字节数为445303441.3894047，样本数为36120。
• validation: 字节数为6164222.610595303，样本数为500。
• test: 字节数为6053901，样本数为500。

数据大小

• 下载大小: 126986138字节。
• 数据集大小: 457521565.0字节。

配置

• config_name: default
  • data_files:
    • train: 路径为data/train-*。
    • validation: 路径为data/validation-*。
    • test: 路径为data/test-*。