burkelive/bert_v2_pii200_predict_dataset

该数据集包含多个文本处理相关的字段，如masked_text（掩码文本）、unmasked_text（未掩码文本）、privacy_mask（隐私掩码）等，以及用于评估模型性能的多种metrics（指标）。数据集主要用于测试集，包含3410个示例，总大小为71969783字节。

This dataset includes multiple fields related to text processing, such as masked_text, unmasked_text, privacy_mask, etc., along with various metrics for evaluating model performance. The dataset is primarily for the test set, containing 3410 examples with a total size of 71969783 bytes.

原始信息汇总

数据集概述

数据集特征

• masked_text: 类型为字符串。
• unmasked_text: 类型为字符串。
• privacy_mask: 类型为字符串。
• bio_labels: 类型为字符串序列。
• tokenised_text: 类型为字符串序列。
• span_labels: 类型为字符串。
• language: 类型为字符串。
• tt_lens: 类型为int64。
• ner_tags: 类型为int64序列。
• input_ids: 类型为int32序列。
• attention_mask: 类型为int8序列。
• labels: 类型为int64序列。
• predict_bio_labels: 类型为字符串序列。
• predict_label_ids: 类型为int64序列。
• metrics: 结构化数据，包含以下字段：
  • test_ACCOUNTNAME_f1: 类型为float64。
  • test_ACCOUNTNUMBER_f1: 类型为float64。
  • test_AGE_f1: 类型为float64。
  • test_AMOUNT_f1: 类型为float64。
  • test_BIC_f1: 类型为float64。
  • test_BITCOINADDRESS_f1: 类型为float64。
  • test_BUILDINGNUMBER_f1: 类型为float64。
  • test_CITY_f1: 类型为float64。
  • test_COMPANYNAME_f1: 类型为float64。
  • test_COUNTY_f1: 类型为float64。
  • test_CREDITCARDCVV_f1: 类型为float64。
  • test_CREDITCARDISSUER_f1: 类型为float64。
  • test_CREDITCARDNUMBER_f1: 类型为float64。
  • test_CURRENCYCODE_f1: 类型为float64。
  • test_CURRENCYNAME_f1: 类型为float64。
  • test_CURRENCYSYMBOL_f1: 类型为float64。
  • test_CURRENCY_f1: 类型为float64。
  • test_DATE_f1: 类型为float64。
  • test_DOB_f1: 类型为float64。
  • test_EMAIL_f1: 类型为float64。
  • test_ETHEREUMADDRESS_f1: 类型为float64。
  • test_EYECOLOR_f1: 类型为float64。
  • test_FIRSTNAME_f1: 类型为float64。
  • test_GENDER_f1: 类型为float64。
  • test_HEIGHT_f1: 类型为float64。
  • test_IBAN_f1: 类型为float64。
  • test_IPV4_f1: 类型为float64。
  • test_IPV6_f1: 类型为float64。
  • test_IP_f1: 类型为float64。
  • test_JOBAREA_f1: 类型为float64。
  • test_JOBTITLE_f1: 类型为float64。
  • test_JOBTYPE_f1: 类型为float64。
  • test_LASTNAME_f1: 类型为float64。
  • test_LITECOINADDRESS_f1: 类型为float64。
  • test_MAC_f1: 类型为float64。
  • test_MASKEDNUMBER_f1: 类型为float64。
  • test_MIDDLENAME_f1: 类型为float64。
  • test_NEARBYGPSCOORDINATE_f1: 类型为float64。
  • test_ORDINALDIRECTION_f1: 类型为float64。
  • test_PASSWORD_f1: 类型为float64。
  • test_PHONEIMEI_f1: 类型为float64。
  • test_PHONENUMBER_f1: 类型为float64。
  • test_PIN_f1: 类型为float64。
  • test_PREFIX_f1: 类型为float64。
  • test_SECONDARYADDRESS_f1: 类型为float64。
  • test_SEX_f1: 类型为float64。
  • test_SSN_f1: 类型为float64。
  • test_STATE_f1: 类型为float64。
  • test_STREET_f1: 类型为float64。
  • test_TIME_f1: 类型为float64。
  • test_URL_f1: 类型为float64。
  • test_USERAGENT_f1: 类型为float64。
  • test_USERNAME_f1: 类型为float64。
  • test_VEHICLEVIN_f1: 类型为float64。
  • test_VEHICLEVRM_f1: 类型为float64。
  • test_ZIPCODE_f1: 类型为float64。
  • test_loss: 类型为float64。
  • test_overall_accuracy: 类型为float64。
  • test_overall_f1: 类型为float64。
  • test_overall_precision: 类型为float64。
  • test_overall_recall: 类型为float64。
  • test_runtime: 类型为float64。
  • test_samples_per_second: 类型为float64。
  • test_steps_per_second: 类型为float64。
• f1: 类型为float64。

数据集分割

• test: 包含3410个样本，总字节数为71969783。

数据集大小

• 下载大小: 11128412字节。
• 数据集大小: 71969783字节。

配置

• config_name: default
  • data_files:
    • split: test
    • path: data/test-*