DioBot2000/CEFR_dataset_EN_NEW

---
dataset_info:
features:
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': '0'
'1': A1
'2': A2
'3': B1
'4': B2
'5': C1
'6': C2
splits:
- name: train
num_bytes: 4336425
num_examples: 1000
- name: test
num_bytes: 848703
num_examples: 200
- name: validation
num_bytes: 755104
num_examples: 200
download_size: 1115362
dataset_size: 5940232
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: validation
path: data/validation-*
---

数据集信息：
特征项：
- 词元（tokens）：类型为字符串序列
- 命名实体识别标签（ner_tags）：类型为序列，其类别标签的名称映射规则为：0 对应 '0'，1 对应 A1，2 对应 A2，3 对应 B1，4 对应 B2，5 对应 C1，6 对应 C2
数据集拆分：
- 训练集（train）：字节大小为 4336425，样本总量为 1000
- 测试集（test）：字节大小为 848703，样本总量为 200
- 验证集（validation）：字节大小为 755104，样本总量为 200
总下载大小：1115362，数据集总存储大小：5940232
配置项：
- 配置名称：默认（default），数据文件映射如下：
- 训练集（train）：对应存储路径为 data/train-*
- 测试集（test）：对应存储路径为 data/test-*
- 验证集（validation）：对应存储路径为 data/validation-*

原始信息汇总

数据集概述

数据集特征

• tokens: 字符串序列
• ner_tags: 序列标签，类别标签定义如下：
  • 0: 0
  • 1: A1
  • 2: A2
  • 3: B1
  • 4: B2
  • 5: C1
  • 6: C2

数据集划分

• train: 1000个样本，占用4336425字节
• test: 200个样本，占用848703字节
• validation: 200个样本，占用755104字节

数据集大小

• 下载大小: 1115362字节
• 数据集总大小: 5940232字节

数据文件配置

• default 配置下的数据文件路径：
  • 训练集: data/train-*
  • 测试集: data/test-*
  • 验证集: data/validation-*