expertai/BUSTER

BUSTER是一个用于业务交易实体识别（ER）的基准数据集，包含与业务交易相关的实体。数据集包括一个包含3779个手动注释文档的金标准语料库，这些文档被随机分为5个折叠，以及一个包含6196个自动注释文档的银标准语料库，这些文档是由模型优化的RoBERTa系统生成的。数据集的特性包括文档ID、文本、标记和标签。数据集的下载大小为47212140字节，总大小为179911598字节。

原始信息汇总

数据集概述

基本信息

• 语言: 英语
• 许可证: Apache 2.0
• 数据集大小: 10K<n<100K
• 任务类别: 词性标注
• 标签: 金融

数据集配置

• 配置名称: default
• 数据文件:
  • FOLD_1: data/FOLD_1-*
  • FOLD_2: data/FOLD_2-*
  • FOLD_3: data/FOLD_3-*
  • FOLD_4: data/FOLD_4-*
  • FOLD_5: data/FOLD_5-*
  • SILVER: data/SILVER-*

数据集信息

• 特征:

  • document_id: 字符串
  • text: 字符串
  • tokens: 字符串序列
  • labels: 字符串序列

• 分割:

  • FOLD_1: 753个样本, 13597946字节
  • FOLD_2: 759个样本, 13477878字节
  • FOLD_3: 758个样本, 13602552字节
  • FOLD_4: 755个样本, 13834760字节
  • FOLD_5: 754个样本, 13632431字节
  • SILVER: 6196个样本, 111769291字节

• 下载大小: 47212151字节

• 数据集大小: 179914858字节

数据集描述

• 名称: BUSTER
• 描述: BUSTER是一个与商业交易相关的实体识别（ER）基准数据集。它包含3779个手动标注的金融交易文档，随机分为5个折叠，以及一个由模型优化的RoBERTa系统自动标注的6196个文档的银色语料库。

数据分割统计

• 文档数量:

  • Gold:
    • fold 1: 753
    • fold 2: 759
    • fold 3: 758
    • fold 4: 755
    • fold 5: 754
    • Total: 3779
  • Silver: 6196

• 标记数量:

  • Gold:
    • fold 1: 685K
    • fold 2: 680K
    • fold 3: 687K
    • fold 4: 697K
    • fold 5: 688K
    • Total: 3437K
  • Silver: 5647K

• 注释数量:

  • Gold:
    • fold 1: 4119
    • fold 2: 4267
    • fold 3: 4100
    • fold 4: 4103
    • fold 5: 4163
    • Total: 20752
  • Silver: 33272