Brizape/multiCorp_tokenized_split_LabelNorm_0404_dev

---
dataset_info:
features:
- name: id
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence: int64
- name: texts
dtype: string
- name: input_ids
sequence: int32
- name: token_type_ids
sequence: int8
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: test
num_bytes: 6729090
num_examples: 2035
- name: train
num_bytes: 19925705
num_examples: 5165
- name: validation
num_bytes: 5290716
num_examples: 1293
download_size: 5679113
dataset_size: 31945511
---
# Dataset Card for "multiCorp_tokenized_split_LabelNorm_0404_dev"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

multiCorp_tokenized_split_LabelNorm_0404_dev

数据集特征

• id: 数据类型为字符串。
• tokens: 数据类型为字符串序列。
• ner_tags: 数据类型为整数序列，类型为int64。
• texts: 数据类型为字符串。
• input_ids: 数据类型为整数序列，类型为int32。
• token_type_ids: 数据类型为整数序列，类型为int8。
• attention_mask: 数据类型为整数序列，类型为int8。
• labels: 数据类型为整数序列，类型为int64。

数据集分割

• test: 包含2035个样本，占用6729090字节。
• train: 包含5165个样本，占用19925705字节。
• validation: 包含1293个样本，占用5290716字节。

数据集大小

• 下载大小: 5679113字节。
• 总大小: 31945511字节。