coref-data/gap_indiscrim|自然语言处理数据集|核心引用解析数据集

---
dataset_info:
features:
- name: id
dtype: string
- name: text
dtype: string
- name: sentences
list:
- name: end_char
dtype: int64
- name: id
dtype: int64
- name: speaker
dtype: 'null'
- name: start_char
dtype: int64
- name: text
dtype: string
- name: tokens
list:
- name: deprel
dtype: string
- name: end_char
dtype: int64
- name: feats
dtype: string
- name: head
dtype: int64
- name: id
dtype: int64
- name: lemma
dtype: string
- name: start_char
dtype: int64
- name: text
dtype: string
- name: upos
dtype: string
- name: xpos
dtype: string
- name: coref_chains
sequence:
sequence:
sequence: int64
- name: genre
dtype: string
- name: meta_data
struct:
- name: comment
dtype: string
- name: source
dtype: string
splits:
- name: train
num_bytes: 17390143
num_examples: 2000
- name: validation
num_bytes: 3951768
num_examples: 454
- name: test
num_bytes: 17445890
num_examples: 2000
download_size: 8079204
dataset_size: 38787801
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

This dataset was generated by reformatting [`coref-data/gap_raw`](https://huggingface.co/datasets/coref-data/gap_raw) into the indiscrim coreference format. See that repo for dataset details.

See [ianporada/coref-data](https://github.com/ianporada/coref-data) for additional conversion details and the conversion script.

Please create an issue in the repo above or in this dataset repo for any questions.

原始信息汇总

数据集概述

数据集信息

特征

• id: 类型为字符串。
• text: 类型为字符串。
• sentences: 列表类型，包含以下字段：
  • end_char: 类型为int64。
  • id: 类型为int64。
  • speaker: 类型为null。
  • start_char: 类型为int64。
  • text: 类型为字符串。
  • tokens: 列表类型，包含以下字段：
    • deprel: 类型为字符串。
    • end_char: 类型为int64。
    • feats: 类型为字符串。
    • head: 类型为int64。
    • id: 类型为int64。
    • lemma: 类型为字符串。
    • start_char: 类型为int64。
    • text: 类型为字符串。
    • upos: 类型为字符串。
    • xpos: 类型为字符串。
• coref_chains: 序列类型，包含序列的序列的序列，类型为int64。
• genre: 类型为字符串。
• meta_data: 结构类型，包含以下字段：
  • comment: 类型为字符串。
  • source: 类型为字符串。

数据分割

• train: 字节数为17390143，样本数为2000。
• validation: 字节数为3951768，样本数为454。
• test: 字节数为17445890，样本数为2000。

数据集大小

• 下载大小: 8079204字节。
• 数据集大小: 38787801字节。

配置

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