DTU54DL/common-accent-proc

---
annotations_creators:
- expert-generated
language:
- en
language_creators:
- found
license:
- mit
multilinguality:
- monolingual
paperswithcode_id: acronym-identification
pretty_name: Acronym Identification Dataset
size_categories:
- 10K<n<100K
source_datasets:
- original
task_categories:
- token-classification
task_ids:
- token-classification-other-acronym-identification
train-eval-index:
- col_mapping:
labels: tags
tokens: tokens
config: default
splits:
eval_split: test
task: token-classification
task_id: entity_extraction
dataset_info:
features:
- name: audio
dtype:
audio:
sampling_rate: 16000
- name: sentence
dtype: string
- name: accent
dtype: string
- name: input_features
sequence:
sequence: float32
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 11534718760.0
num_examples: 10000
- name: test
num_bytes: 518496848.0
num_examples: 451
download_size: 3935975243
dataset_size: 12053215608.0
---

# Dataset Card for [Dataset Name]

## Table of Contents
- [Table of Contents](#table-of-contents)
- [Dataset Description](#dataset-description)
- [Dataset Summary](#dataset-summary)
- [Supported Tasks and Leaderboards](#supported-tasks-and-leaderboards)
- [Languages](#languages)
- [Dataset Structure](#dataset-structure)
- [Data Instances](#data-instances)
- [Data Fields](#data-fields)
- [Data Splits](#data-splits)
- [Dataset Creation](#dataset-creation)
- [Curation Rationale](#curation-rationale)
- [Source Data](#source-data)
- [Annotations](#annotations)
- [Personal and Sensitive Information](#personal-and-sensitive-information)
- [Considerations for Using the Data](#considerations-for-using-the-data)
- [Social Impact of Dataset](#social-impact-of-dataset)
- [Discussion of Biases](#discussion-of-biases)
- [Other Known Limitations](#other-known-limitations)
- [Additional Information](#additional-information)
- [Dataset Curators](#dataset-curators)
- [Licensing Information](#licensing-information)
- [Citation Information](#citation-information)
- [Contributions](#contributions)

## Dataset Description

- **Homepage:**
- **Repository:**
- **Paper:**
- **Leaderboard:**
- **Point of Contact:**

### Dataset Summary

[More Information Needed]

### Supported Tasks and Leaderboards

[More Information Needed]

### Languages

[More Information Needed]

## Dataset Structure

### Data Instances

[More Information Needed]

### Data Fields

[More Information Needed]

### Data Splits

[More Information Needed]

## Dataset Creation

### Curation Rationale

[More Information Needed]

### Source Data

#### Initial Data Collection and Normalization

[More Information Needed]

#### Who are the source language producers?

[More Information Needed]

### Annotations

#### Annotation process

[More Information Needed]

#### Who are the annotators?

[More Information Needed]

### Personal and Sensitive Information

[More Information Needed]

## Considerations for Using the Data

### Social Impact of Dataset

[More Information Needed]

### Discussion of Biases

[More Information Needed]

### Other Known Limitations

[More Information Needed]

## Additional Information

### Dataset Curators

[More Information Needed]

### Licensing Information

[More Information Needed]

### Citation Information

[More Information Needed]

### Contributions

Thanks to [@github-username](https://github.com/<github-username>) for adding this dataset.

annotations_creators:
- 专家生成（expert-generated）
language:
- 英语（English）
language_creators:
- 现有资源采集（found）
license:
- MIT许可证（mit）
multilinguality:
- 单语言（Monolingual）
paperswithcode_id: acronym-identification
pretty_name: 缩写识别数据集（Acronym Identification Dataset）
size_categories:
- 10K<n<100K
source_datasets:
- 原始数据集（original）
task_categories:
- 令牌分类（Token Classification）
task_ids:
- 令牌分类-其他-缩写识别（Token-Classification-Other-Acronym-Identification）
train-eval-index:
- col_mapping:
labels: tags
tokens: tokens
config: 默认配置（default）
splits:
eval_split: 测试集（test）
task: 令牌分类（Token Classification）
task_id: 实体抽取（Entity Extraction）
dataset_info:
features:
- name: 音频（audio）
dtype:
audio:
sampling_rate: 16000
- name: 句子（sentence）
dtype: 字符串（string）
- name: 口音（accent）
dtype: 字符串（string）
- name: 输入特征（input_features）
sequence:
sequence: float32
- name: 标签（labels）
sequence: int64
splits:
- name: 训练集（train）
num_bytes: 11534718760.0
num_examples: 10000
- name: 测试集（test）
num_bytes: 518496848.0
num_examples: 451
download_size: 3935975243
dataset_size: 12053215608.0
---

# 数据集卡片 [数据集名称]

## 目录
- [目录](#目录)
- [数据集描述](#数据集描述)
- [数据集概述](#数据集概述)
- [支持任务与排行榜](#支持任务与排行榜)
- [语言](#语言)
- [数据集结构](#数据集结构)
- [数据实例](#数据实例)
- [数据字段](#数据字段)
- [数据拆分](#数据拆分)
- [数据集构建](#数据集构建)
- [数据集遴选依据](#数据集遴选依据)
- [源数据](#源数据)
- [标注](#标注)
- [个人与敏感信息](#个人与敏感信息)
- [数据使用注意事项](#数据使用注意事项)
- [数据集的社会影响](#数据集的社会影响)
- [偏差讨论](#偏差讨论)
- [其他已知局限性](#其他已知局限性)
- [附加信息](#附加信息)
- [数据集维护人员](#数据集维护人员)
- [许可信息](#许可信息)
- [引用信息](#引用信息)
- [贡献](#贡献)

## 数据集描述

- **主页:**
- **代码仓库:**
- **论文:**
- **排行榜:**
- **联系人:**

### 数据集概述

[需补充更多信息]

### 支持任务与排行榜

[需补充更多信息]

### 语言

[需补充更多信息]

## 数据集结构

### 数据实例

[需补充更多信息]

### 数据字段

[需补充更多信息]

### 数据拆分

[需补充更多信息]

## 数据集构建

### 数据集遴选依据

[需补充更多信息]

### 源数据

#### 初始数据收集与归一化

[需补充更多信息]

#### 源语言生产者是谁？

[需补充更多信息]

### 标注

#### 标注流程

[需补充更多信息]

#### 标注者是谁？

[需补充更多信息]

### 个人与敏感信息

[需补充更多信息]

## 数据使用注意事项

### 数据集的社会影响

[需补充更多信息]

### 偏差讨论

[需补充更多信息]

### 其他已知局限性

[需补充更多信息]

## 附加信息

### 数据集维护人员

[需补充更多信息]

### 许可信息

[需补充更多信息]

### 引用信息

[需补充更多信息]

### 贡献

感谢 [@github-用户名](https://github.com/<github-用户名>) 添加此数据集。

原始信息汇总

数据集概述

• 名称: Acronym Identification Dataset
• 语言: 英语 (en)
• 许可证: MIT
• 多语言性: 单语种
• 任务类别: 词元分类
• 任务ID: token-classification-other-acronym-identification
• 数据集大小: 12053215608.0 字节
• 下载大小: 3935975243 字节

数据集结构

数据字段

• audio: 采样率为16000的音频数据
• sentence: 字符串类型
• accent: 字符串类型
• input_features: 序列类型，数据类型为float32
• labels: 序列类型，数据类型为int64

数据分割

• 训练集: 10000个样本，11534718760.0字节
• 测试集: 451个样本，518496848.0字节

数据集创建

注释

• 注释创建者: 专家生成
• 语言创建者: 发现
• 源数据集: 原始数据