Brizape/tmvar_tokenized_split_0404_dev

---
dataset_info:
features:
- name: id
dtype: string
- name: tokens
sequence: string
- name: ner_tags
sequence: int64
- name: texts
dtype: string
- name: input_ids
sequence: int32
- name: token_type_ids
sequence: int8
- name: attention_mask
sequence: int8
- name: labels
sequence: int64
splits:
- name: train
num_bytes: 2897566
num_examples: 801
- name: validation
num_bytes: 723081
num_examples: 201
- name: test
num_bytes: 1746380
num_examples: 498
download_size: 1248054
dataset_size: 5367027
---
# Dataset Card for "tmvar_tokenized_split_0404_dev"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

---
数据集信息：
特征字段：
- 名称：id，数据类型：字符串（string）
- 名称：Token序列（tokens），字段类型：字符串序列
- 名称：命名实体识别标签（ner_tags），字段类型：64位整数序列
- 名称：文本（texts），数据类型：字符串
- 名称：输入ID（input_ids），字段类型：32位整数序列
- 名称：令牌类型ID（token_type_ids），字段类型：8位整数序列
- 名称：注意力掩码（attention_mask），字段类型：8位整数序列
- 名称：标签（labels），字段类型：64位整数序列
数据集划分：
- 名称：训练集（train），占用字节数：2897566，样本数量：801
- 名称：验证集（validation），占用字节数：723081，样本数量：201
- 名称：测试集（test），占用字节数：1746380，样本数量：498
下载总大小：1248054 字节
数据集总存储大小：5367027 字节
---
# 数据集卡片："tmvar_tokenized_split_0404_dev"

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

tmvar_tokenized_split_0404_dev

数据集特征

• id: 数据类型为字符串（string）。
• tokens: 数据类型为字符串序列（sequence: string）。
• ner_tags: 数据类型为整数序列（sequence: int64）。
• texts: 数据类型为字符串（string）。
• input_ids: 数据类型为整数序列（sequence: int32）。
• token_type_ids: 数据类型为整数序列（sequence: int8）。
• attention_mask: 数据类型为整数序列（sequence: int8）。
• labels: 数据类型为整数序列（sequence: int64）。

数据集分割

• 训练集（train）: 包含801个样本，占用2897566字节。
• 验证集（validation）: 包含201个样本，占用723081字节。
• 测试集（test）: 包含498个样本，占用1746380字节。

数据集大小

• 下载大小: 1248054字节。
• 总大小: 5367027字节。