thowley824/base_short_window_2_labels_scar

---
dataset_info:
features:
- name: labels
dtype:
class_label:
names:
'0': non-neutral
'1': neutral
- name: input_ids
sequence: int32
- name: token_type_ids
sequence: int8
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 69211328
num_examples: 22384
- name: test
num_bytes: 17302832
num_examples: 5596
download_size: 21613535
dataset_size: 86514160
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
特征项：
- 名称：labels（标签），数据类型为分类标签（class_label），类别映射关系为：
'0'：非中立（non-neutral）
'1'：中立（neutral）
- 名称：input_ids（输入Token ID序列），数据类型为32位整数序列
- 名称：token_type_ids（Token类型ID序列），数据类型为8位整数序列
- 名称：attention_mask（注意力掩码），数据类型为8位整数序列
数据集划分：
- 名称：train（训练集），占用字节数69211328，样本量22384
- 名称：test（测试集），占用字节数17302832，样本量5596
下载总大小：21613535字节，数据集总存储空间：86514160字节
数据集配置：
- 配置名称：default（默认配置），数据文件路径：
- 训练集（train）：data/train-*
- 测试集（test）：data/test-*

原始信息汇总

数据集概述

数据集特征

• labels

  • 数据类型: 类别标签
  • 类别名称:
    • 0: non-neutral
    • 1: neutral

• input_ids

  • 数据类型: 整数序列 (int32)

• token_type_ids

  • 数据类型: 整数序列 (int8)

• attention_mask

  • 数据类型: 整数序列 (int8)

数据集划分

• 训练集 (train)

  • 数据大小: 69211328 字节
  • 样本数量: 22384

• 测试集 (test)

  • 数据大小: 17302832 字节
  • 样本数量: 5596

数据集大小

• 下载大小: 21613535 字节
• 数据集总大小: 86514160 字节

数据文件配置

• 默认配置 (default)
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*