j-chim/pii-pile-chunk3-250000-300000-tagged

--- dataset_info: features: - name: texts sequence: string - name: meta struct: - name: pile_set_name dtype: string - name: scores sequence: float64 - name: avg_score dtype: float64 - name: num_sents dtype: int64 - name: tagged_pii_results list: - name: analysis_explanation dtype: 'null' - name: end dtype: int64 - name: entity_type dtype: string - name: recognition_metadata struct: - name: recognizer_identifier dtype: string - name: recognizer_name dtype: string - name: score dtype: float64 - name: start dtype: int64 splits: - name: train num_bytes: 526454655 num_examples: 49999 download_size: 201949320 dataset_size: 526454655 --- # Dataset Card for "pii-pile-chunk3-250000-300000-tagged" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)--- 数据集信息： 特征： - 名称：texts，类型：字符串序列 - 名称：meta，类型：结构体，包含字段： - 名称：pile_set_name，数据类型：字符串 - 名称：scores，类型：float64序列 - 名称：avg_score，数据类型：float64 - 名称：num_sents，数据类型：int64 - 名称：tagged_pii_results，类型：列表（存储已标记的个人可识别信息（Personally Identifiable Information，PII）结果），列表元素为结构体，包含以下字段： - 名称：analysis_explanation，数据类型：空值（null） - 名称：end，数据类型：int64 - 名称：entity_type，数据类型：字符串 - 名称：recognition_metadata，类型：结构体，包含字段： - 名称：recognizer_identifier，数据类型：字符串 - 名称：recognizer_name，数据类型：字符串 - 名称：score，数据类型：float64 - 名称：start，数据类型：int64 数据划分： - 划分名称：train（训练集），占用字节数：526454655，样本数量：49999 下载大小：201949320 数据集总大小：526454655 --- # "pii-pile-chunk3-250000-300000-tagged" 数据集卡片 [需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称: pii-pile-chunk3-250000-300000-tagged

数据集特征

• texts: 字符串序列
• meta: 结构化数据
  • pile_set_name: 字符串类型
• scores: 浮点数序列（float64）
• avg_score: 浮点数类型（float64）
• num_sents: 整数类型（int64）
• tagged_pii_results: 列表
  • analysis_explanation: 空值（null）
  • end: 整数类型（int64）
  • entity_type: 字符串类型
  • recognition_metadata: 结构化数据
    • recognizer_identifier: 字符串类型
    • recognizer_name: 字符串类型
  • score: 浮点数类型（float64）
  • start: 整数类型（int64）

数据集划分

• train:
  • num_bytes: 526454655
  • num_examples: 49999

数据集大小

• download_size: 201949320
• dataset_size: 526454655