coref-data/gap_indiscrim

--- 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-*