quynong/filtered

--- license: apache-2.0 dataset_info: features: - name: source_text dtype: string - name: masked_text dtype: string - name: privacy_mask list: - name: end dtype: int64 - name: label dtype: string - name: label_index dtype: int64 - name: start dtype: int64 - name: value dtype: string - name: split dtype: string - name: uid dtype: int64 - name: language dtype: string - name: region dtype: string - name: script dtype: string - name: mbert_tokens list: string - name: mbert_token_classes list: string splits: - name: train num_bytes: 57576189 num_examples: 62572 download_size: 19215674 dataset_size: 57576189 configs: - config_name: default data_files: - split: train path: data/train-* ---许可证：Apache-2.0 数据集详情： 样本特征字段： - 名称：源文本（source_text），数据类型：字符串 - 名称：掩码文本（masked_text），数据类型：字符串 - 名称：隐私掩码（privacy_mask），数据类型：列表，包含子字段： - 名称：结束位置（end），数据类型：64位整数 - 名称：标签（label），数据类型：字符串 - 名称：标签索引（label_index），数据类型：64位整数 - 名称：起始位置（start），数据类型：64位整数 - 名称：取值（value），数据类型：字符串 - 名称：数据集划分标识（split），数据类型：字符串 - 名称：唯一标识符（uid），数据类型：64位整数 - 名称：语言（language），数据类型：字符串 - 名称：区域（region），数据类型：字符串 - 名称：书写系统（script），数据类型：字符串 - 名称：多语言BERT标记（mbert_tokens），数据类型：字符串列表 - 名称：多语言BERT标记类别（mbert_token_classes），数据类型：字符串列表 数据集拆分配置： - 拆分名称：训练集（train），字节占用量：57576189，样本总量：62572 下载体积：19215674 数据集总占用字节数：57576189 配置项： - 配置名称：默认配置（default） 数据文件配置： - 对应拆分：训练集（train） 文件路径：data/train-*