yarp-hugg/ner_combined

该数据集主要用于命名实体识别任务，包含tokens和ner_tags两个特征。tokens表示文本序列，ner_tags表示命名实体识别标签，包括人名、组织名和地点等。数据集分为训练集、验证集和测试集，分别包含15713、3459和3662个示例。数据集的下载大小为1527852字节，总大小为6294834字节。

原始信息汇总

数据集概述

许可证

• Apache 2.0

数据集信息

特征

• tokens: 序列类型，字符串
• ner_tags: 序列类型，包含类别标签
  • 标签名称及其对应编码：
    • 0: O
    • 1: B-PERSON
    • 2: I-PERSON
    • 3: B-ORGANISATION
    • 4: I-ORGANISATION
    • 5: B-LOCATION
    • 6: I-LOCATION

数据分割

• train:
  • 字节数: 4406520
  • 样本数: 15713
• validation:
  • 字节数: 986096
  • 样本数: 3459
• test:
  • 字节数: 902218
  • 样本数: 3662

数据集大小

• 下载大小: 1527852 字节
• 数据集总大小: 6294834 字节

配置

• default:
  • 数据文件路径:
    • train: data/train-*
    • validation: data/validation-*
    • test: data/test-*