seba/mnli_tokenized_bert_base_ctx_128

该数据集包含多个特征，如前提（premise）、假设（hypothesis）、标签（label）、索引（idx）、输入ID（input_ids）、解码文本（decoded）和特殊标记掩码（special_tokens_mask）。标签分为三类：蕴含（entailment）、中立（neutral）和矛盾（contradiction）。数据集分为训练集、验证集和测试集，分别包含392702、19647和19643个样本。数据集的下载大小为167542129字节，总大小为676179317字节。

原始信息汇总

数据集信息

特征

• premise: 类型为字符串
• hypothesis: 类型为字符串
• label: 类型为分类标签，包含以下类别：
  • 0: entailment
  • 1: neutral
  • 2: contradiction
• idx: 类型为32位整数
• input_ids: 序列类型为32位整数
• decoded: 类型为字符串
• special_tokens_mask: 序列类型为8位整数

数据分割

• train: 字节数为614569405，样本数为392702
• validation: 字节数为30834557，样本数为19647
• test: 字节数为30775355，样本数为19643

数据集大小

• 下载大小: 167542129字节
• 数据集大小: 676179317字节

配置

• default 配置包含以下数据文件：
  • train: 路径为data/train-*
  • validation: 路径为data/validation-*
  • test: 路径为data/test-*