stulcrad/CNEC1_1_Supertypes_flat

该数据集是一个用于命名实体识别（NER）任务的数据集，包含捷克语（cs）的文本数据。数据集由tokens和ner_tags两个特征组成，其中ner_tags表示命名实体识别标签，涵盖了多个类别。数据集被分为训练集、验证集和测试集，分别包含4695、587和586个示例。

原始信息汇总

数据集概述

数据集特征

• tokens: 字符串序列
• ner_tags: 标签序列
  • 标签类别名称:
    • 0: O
    • 1: B-A
    • 2: I-A
    • 3: B-C
    • 4: I-C
    • 5: B-G
    • 6: I-G
    • 7: B-I
    • 8: I-I
    • 9: B-M
    • 10: I-M
    • 11: B-N
    • 12: I-N
    • 13: B-O
    • 14: I-O
    • 15: B-P
    • 16: I-P
    • 17: B-Q
    • 18: I-Q
    • 19: B-T
    • 20: I-T

数据集分割

• train:
  • 字节数: 2089783
  • 示例数: 4695
• validation:
  • 字节数: 260957
  • 示例数: 587
• test:
  • 字节数: 263473
  • 示例数: 586

数据集大小

• 下载大小: 894140字节
• 数据集总大小: 2614213字节

配置文件

• config_name: default
• data_files:
  • split: train, path: data/train-*
  • split: validation, path: data/validation-*
  • split: test, path: data/test-*