jage/dataset_from_synthea_for_NER_with_train_val_test_splits

该数据集是一个用于命名实体识别（NER）任务的数据集，包含训练集、验证集和测试集。数据集的特征包括id、tokens、ner_tags、input_ids、token_type_ids、attention_mask和labels。ner_tags的类别标签包括O、B-DATE、I-DATE、B-NAME、I-NAME、B-AGE和I-AGE。数据集分为test、train和val三个部分，分别包含19176、92300和38138个示例。下载大小为4703482字节，数据集大小为52217334.0字节。

This dataset is intended for Named Entity Recognition (NER) tasks, and it consists of training, validation, and test subsets. The features of the dataset include id, tokens, ner_tags, input_ids, token_type_ids, attention_mask, and labels. The category labels for ner_tags include O, B-DATE, I-DATE, B-NAME, I-NAME, B-AGE, and I-AGE. The dataset is split into three subsets: test, train, and val, which contain 19176, 92300, and 38138 samples respectively. Its download size is 4703482 bytes, and the total dataset size is 52217334.0 bytes.

原始信息汇总

数据集概述

数据集名称

• 名称: dataset_from_synthea_for_NER_with_train_val_test_splits

数据集特征

• id: 字符串类型
• tokens: 字符串序列
• ner_tags: 标签序列，包含以下类别：
  • 0: O
  • 1: B-DATE
  • 2: I-DATE
  • 3: B-NAME
  • 4: I-NAME
  • 5: B-AGE
  • 6: I-AGE
• input_ids: 32位整数序列
• token_type_ids: 8位整数序列
• attention_mask: 8位整数序列
• labels: 64位整数序列

数据集分割

• 训练集:
  • 样本数量: 92300
  • 数据大小: 32139432.0字节
• 验证集:
  • 样本数量: 38138
  • 数据大小: 13463574.0字节
• 测试集:
  • 样本数量: 19176
  • 数据大小: 6614328字节

数据集大小

• 下载大小: 4703482字节
• 总数据集大小: 52217334.0字节