TypicaAI/pii-masking-60k_fr

这个PII法语数据集基于世界上最大的开源隐私数据集：ai4privacy/pii-masking-200k。原始数据集ai4privacy/pii-masking-200k通过基于BERT的语言分类器进行过滤，仅保留法语行。该数据集仅用于教育目的。

原始信息汇总

PII French dataset

数据集信息

特征

• masked_text: 类型为字符串
• unmasked_text: 类型为字符串
• privacy_mask: 类型为字符串
• span_labels: 类型为字符串
• bio_labels: 序列类型为字符串
• tokenised_text: 序列类型为字符串

分割

• train: 字节数为105030283，样本数为61918

大小

• 下载大小: 31820221字节
• 数据集大小: 105030283字节

配置

• default: 数据文件路径为data/train-*

任务类别

• token-classification

语言

• fr

标签

• PII
• Privacy
• NER

名称

• typica.ai French PII dataset

大小类别

• 10K<n<100K