boapps/kmdb_bert_entities

---
dataset_info:
features:
- name: id
dtype: int64
- name: people
sequence: string
- name: institutions
sequence: string
- name: places
sequence: string
- name: text
dtype: string
- name: ent_lemmas
sequence:
sequence: string
- name: ent_tokens
list:
- name: text
dtype: string
- name: lemma
dtype: string
- name: tokens
list:
- name: i
dtype: int64
- name: text
dtype: string
- name: lemma
dtype: string
- name: ent_type
dtype: string
- name: iob
dtype: string
- name: words
sequence: string
- name: classifications
list:
- name: end
dtype: int64
- name: entity_group
dtype: string
- name: score
dtype: float32
- name: start
dtype: int64
- name: word
dtype: string
splits:
- name: train
num_bytes: 737583902
num_examples: 46914
download_size: 288034150
dataset_size: 737583902
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 字段：id，数据类型：int64
- 字段：人员，类型为字符串序列
- 字段：机构，类型为字符串序列
- 字段：地点，类型为字符串序列
- 字段：文本，数据类型：string
- 字段：实体词元（ent_lemmas），类型为双层字符串序列
- 字段：实体标记（ent_tokens），为列表类型，包含子字段：
- 文本（text）：数据类型string
- 词元（lemma）：数据类型string
- 标记序列（tokens）：为列表类型，包含子字段：
- 索引（i）：数据类型int64
- 文本（text）：数据类型string
- 词元（lemma）：数据类型string
- 实体类型（ent_type）：数据类型string
- IOB标记（iob）：数据类型string
- 字段：词汇，类型为字符串序列
- 字段：分类标注结果，为列表类型，每个列表元素包含子字段：
- 结束位置（end）：数据类型int64
- 实体组（entity_group）：数据类型string
- 置信度得分（score）：数据类型float32
- 起始位置（start）：数据类型int64
- 文本片段（word）：数据类型string
拆分集：
- 拆分名称：train（训练集），字节大小：737583902，样本数量：46914
下载大小：288034150
数据集总大小：737583902
配置项：
- 配置名称：default（默认配置），数据文件：
- 拆分train对应数据文件路径：data/train-*

原始信息汇总

数据集概述

数据集特征

• id：整数类型
• people：字符串序列
• institutions：字符串序列
• places：字符串序列
• text：字符串类型
• ent_lemmas：字符串序列的序列
• ent_tokens：列表类型，包含以下子特征：
  • text：字符串类型
  • lemma：字符串类型
  • tokens：列表类型，包含以下子特征：
    • i：整数类型
    • text：字符串类型
    • lemma：字符串类型
    • ent_type：字符串类型
    • iob：字符串类型
• words：字符串序列
• classifications：列表类型，包含以下子特征：
  • end：整数类型
  • entity_group：字符串类型
  • score：浮点数类型
  • start：整数类型
  • word：字符串类型

数据集分割

• train：训练集
  • 数据量：737583902 字节
  • 示例数：46914

数据集大小

• 下载大小：288034150 字节
• 数据集大小：737583902 字节