tjspross/cityu_traditional

该数据集包含三个主要特征：tokens和cws_tags，其中tokens是字符串序列，cws_tags是带有类别标签的序列，类别标签包括B-SEG、M-SEG、E-SEG和S-SEG。数据集分为三个部分：训练集（train）、开发集（dev）和测试集（test），分别包含47717、5302和1492个样本。数据集的下载大小为5243009字节，总大小为37327933.0字节。

原始信息汇总

数据集概述

数据集特征

• 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

数据集分割

• 训练集:
  • 大小: 32674807.723759405 字节
  • 示例数量: 47717
• 验证集:
  • 大小: 3630610.276240593 字节
  • 示例数量: 5302
• 测试集:
  • 大小: 1022515 字节
  • 示例数量: 1492

数据集大小

• 下载大小: 5243009 字节
• 数据集总大小: 37327933.0 字节

数据文件配置

• 配置名称: default
• 数据文件路径:
  • 训练集: data/train-*
  • 验证集: data/dev-*
  • 测试集: data/test-*