tuanio/bad_word_token_cls

---
dataset_info:
features:
- name: text
dtype: string
- name: raw_label
sequence: int64
- name: tokenized_label
sequence: int64
splits:
- name: train
num_bytes: 407436408.5
num_examples: 475000
- name: test
num_bytes: 21444021.5
num_examples: 25000
download_size: 76416645
dataset_size: 428880430.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集信息

特征

• 名称: text
  • 数据类型: string
• 名称: raw_label
  • 序列类型: int64
• 名称: tokenized_label
  • 序列类型: int64

数据分割

• 名称: train
  • 字节数: 407436408.5
  • 样本数: 475000
• 名称: test
  • 字节数: 21444021.5
  • 样本数: 25000

数据大小

• 下载大小: 76416645
• 数据集大小: 428880430.0

配置

• 配置名称: default
  • 数据文件:
    • 分割: train
      • 路径: data/train-*
    • 分割: test
      • 路径: data/test-*