tollefj/no-da-NER

该数据集由三个子数据集`wikiann`、`norne`和`dane`组成，统一为BIO标注方案。数据集包含`tokens`、`ner_tags`和`dataset`三个特征，并分为`train`、`validation`和`test`三个分割。数据集的任务类别为文本分类，语言为挪威语和丹麦语，大小类别为10K到100K之间。

原始信息汇总

数据集概述

数据集特征

• tokens: 字符串序列
• ner_tags: 整数序列
• dataset: 字符串类型

数据集分割

• 训练集: 94,253个样本，占用20,416,089字节
• 验证集: 25,864个样本，占用4,904,248字节
• 测试集: 25,015个样本，占用4,673,139字节

数据集大小

• 下载大小: 8,000,299字节
• 总大小: 29,993,476字节

配置

• 默认配置: 包含训练、验证和测试数据文件，路径分别为data/train-*、data/validation-*和data/test-*

任务类别

• 文本分类

语言

• 挪威语（no）
• 丹麦语（da）

大小类别

• 10K<n<100K