liaad/Bosque_PT-PT

该数据集名为Bosque Part of Speech PT-PT，主要用于葡萄牙语的词性标注任务。数据集包含tokens、lemmas和pos_tags三个特征，均为字符串序列。数据集分为训练集和测试集，分别包含9071和576个示例。数据集的任务类别是token-classification，语言为葡萄牙语（pt），标签包括pos、pos-tagging和part-of-speech。该数据集名为Bosque Part of Speech PT-PT，主要用于葡萄牙语的词性标注任务。数据集包含tokens、lemmas和pos_tags三个特征，均为字符串序列。数据集分为训练集和测试集，分别包含9071和576个示例。数据集的任务类别是token-classification，语言为葡萄牙语（pt），标签包括pos、pos-tagging和part-of-speech。

原始信息汇总

数据集概述

许可证

• MIT

数据集信息

特征

• tokens: 字符串序列
• lemmas: 字符串序列
• pos_tags: 字符串序列

分割

• train:
  • 字节数: 5033815
  • 样本数: 9071
• test:
  • 字节数: 286364
  • 样本数: 576

大小

• 下载大小: 1758940
• 数据集大小: 5320179

配置

• default:
  • 训练数据路径: data/train-*
  • 测试数据路径: data/test-*

任务类别

• 词性标注 (token-classification)

语言

• 葡萄牙语 (pt)

标签

• pos
• pos-tagging
• part-of-speech

名称

• Bosque Part of Speech PT-PT