javicorvi/pretoxtm-dataset

---
dataset_info:
features:
- name: label
dtype: string
- name: text
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence: string
- name: ner_tag_codes
sequence: int64
splits:
- name: train
num_bytes: 1802483.6024548244
num_examples: 2053
- name: test
num_bytes: 386309.1987725878
num_examples: 440
- name: validation
num_bytes: 386309.1987725878
num_examples: 440
download_size: 533045
dataset_size: 2575102.0
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：
特征字段：
- 名称：标签
数据类型：字符串
- 名称：文本
数据类型：字符串
- 名称：词元（Token）序列
数据类型：字符串序列
- 名称：命名实体识别标签序列
数据类型：字符串序列
- 名称：命名实体识别标签编码序列
数据类型：64位整数序列
数据拆分：
- 名称：训练集
字节数：1802483.6024548244
样本数：2053
- 名称：测试集
字节数：386309.1987725878
样本数：440
- 名称：验证集
字节数：386309.1987725878
样本数：440
下载大小：533045 字节
数据集总大小：2575102.0 字节
配置项：
- 配置名称：默认配置
数据文件：
- 划分集：训练集
文件路径：data/train-*
- 划分集：测试集
文件路径：data/test-*
- 划分集：验证集
文件路径：data/validation-*

原始信息汇总

数据集概述

数据集特征

• label：数据类型为字符串（string）。
• text：数据类型为字符串（string）。
• tokens：数据类型为字符串序列（sequence: string）。
• ner_tags：数据类型为字符串序列（sequence: string）。
• ner_tag_codes：数据类型为整数序列（sequence: int64）。

数据集分割

• 训练集（train）：包含2053个样本，总大小为1802483.6024548244字节。
• 测试集（test）：包含440个样本，总大小为386309.1987725878字节。
• 验证集（validation）：包含440个样本，总大小为386309.1987725878字节。

数据集大小

• 下载大小：533045字节。
• 数据集总大小：2575102.0字节。

配置文件

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