tjspross/as_traditional

该数据集包含tokens（字符串序列）和cws_tags（序列标签，包含B-SEG、M-SEG、E-SEG、S-SEG四种类别）两个主要特征。数据集分为train、dev、test三个部分，分别包含638057、70896、14429个样本。数据集的下载大小为22765101字节，总大小为134268692.0字节。

原始信息汇总

数据集概述

特征

• tokens: 字符串序列
• cws_tags: 序列标签，包含以下类别：
  • 0: B-SEG
  • 1: M-SEG
  • 2: E-SEG
  • 3: S-SEG

数据分割

• train:
  • 字节数: 118072634.46479526
  • 样本数: 638057
• dev:
  • 字节数: 13119325.53520473
  • 样本数: 70896
• test:
  • 字节数: 3076732
  • 样本数: 14429

数据大小

• 下载大小: 22765101 字节
• 数据集大小: 134268692.0 字节

配置

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