arubenruben/ontonotes5.0-pt

---
dataset_info:
features:
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': B-PERSON
'2': I-PERSON
'3': B-NORP
'4': I-NORP
'5': B-FAC
'6': I-FAC
'7': B-ORG
'8': I-ORG
'9': B-GPE
'10': I-GPE
'11': B-LOC
'12': I-LOC
'13': B-PRODUCT
'14': I-PRODUCT
'15': B-DATE
'16': I-DATE
'17': B-TIME
'18': I-TIME
'19': B-PERCENT
'20': I-PERCENT
'21': B-MONEY
'22': I-MONEY
'23': B-QUANTITY
'24': I-QUANTITY
'25': B-ORDINAL
'26': I-ORDINAL
'27': B-CARDINAL
'28': I-CARDINAL
'29': B-EVENT
'30': I-EVENT
'31': B-WORK_OF_ART
'32': I-WORK_OF_ART
'33': B-LAW
'34': I-LAW
'35': B-LANGUAGE
'36': I-LANGUAGE
splits:
- name: train
num_bytes: 16511400
num_examples: 1898
- name: validation
num_bytes: 2417378
num_examples: 279
- name: test
num_bytes: 1564609
num_examples: 163
download_size: 0
dataset_size: 20493387
---
# Dataset Card for "ontonotes5.0-pt"

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

---
dataset_info:
数据集信息：
特征：
- 名称：词元（Token），类型为字符串序列
- 名称：命名实体识别（NER）标签，类型为序列，其类别标签命名如下：
'0': O（非实体）
'1': B-PERSON（B-人物实体起始）
'2': I-PERSON（I-人物实体内部）
'3': B-NORP（B-民族/宗教/政治群体实体起始）
'4': I-NORP（I-民族/宗教/政治群体实体内部）
'5': B-FAC（B-设施实体起始）
'6': I-FAC（I-设施实体内部）
'7': B-ORG（B-组织实体起始）
'8': I-ORG（I-组织实体内部）
'9': B-GPE（B-地缘政治实体起始，如国家、城市）
'10': I-GPE（I-地缘政治实体内部）
'11': B-LOC（B-自然地理位置实体起始）
'12': I-LOC（I-自然地理位置实体内部）
'13': B-PRODUCT（B-产品实体起始）
'14': I-PRODUCT（I-产品实体内部）
'15': B-DATE（B-日期实体起始）
'16': I-DATE（I-日期实体内部）
'17': B-TIME（B-时间实体起始）
'18': I-TIME（I-时间实体内部）
'19': B-PERCENT（B-百分比实体起始）
'20': I-PERCENT（I-百分比实体内部）
'21': B-MONEY（B-货币金额实体起始）
'22': I-MONEY（I-货币金额实体内部）
'23': B-QUANTITY（B-数量实体起始）
'24': I-QUANTITY（I-数量实体内部）
'25': B-ORDINAL（B-序数实体起始）
'26': I-ORDINAL（I-序数实体内部）
'27': B-CARDINAL（B-基数实体起始）
'28': I-CARDINAL（I-基数实体内部）
'29': B-EVENT（B-事件实体起始）
'30': I-EVENT（I-事件实体内部）
'31': B-WORK_OF_ART（B-艺术作品实体起始）
'32': I-WORK_OF_ART（I-艺术作品实体内部）
'33': B-LAW（B-法律条文实体起始）
'34': I-LAW（I-法律条文实体内部）
'35': B-LANGUAGE（B-语言实体起始）
'36': I-LANGUAGE（I-语言实体内部）
拆分集：
- 名称：训练集（train），字节大小：16511400，样本数量：1898
- 名称：验证集（validation），字节大小：2417378，样本数量：279
- 名称：测试集（test），字节大小：1564609，样本数量：163
下载大小：0
数据集总大小：20493387
---
# 「ontonotes5.0-pt」数据集卡片
[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

数据集特征

• tokens: 字符串序列
• ner_tags: 序列标签，包含以下类别：
  • 0: O
  • 1: B-PERSON
  • 2: I-PERSON
  • 3: B-NORP
  • 4: I-NORP
  • 5: B-FAC
  • 6: I-FAC
  • 7: B-ORG
  • 8: I-ORG
  • 9: B-GPE
  • 10: I-GPE
  • 11: B-LOC
  • 12: I-LOC
  • 13: B-PRODUCT
  • 14: I-PRODUCT
  • 15: B-DATE
  • 16: I-DATE
  • 17: B-TIME
  • 18: I-TIME
  • 19: B-PERCENT
  • 20: I-PERCENT
  • 21: B-MONEY
  • 22: I-MONEY
  • 23: B-QUANTITY
  • 24: I-QUANTITY
  • 25: B-ORDINAL
  • 26: I-ORDINAL
  • 27: B-CARDINAL
  • 28: I-CARDINAL
  • 29: B-EVENT
  • 30: I-EVENT
  • 31: B-WORK_OF_ART
  • 32: I-WORK_OF_ART
  • 33: B-LAW
  • 34: I-LAW
  • 35: B-LANGUAGE
  • 36: I-LANGUAGE

数据集划分

• train:
  • 字节数: 16511400
  • 示例数: 1898
• validation:
  • 字节数: 2417378
  • 示例数: 279
• test:
  • 字节数: 1564609
  • 示例数: 163

数据集大小

• 下载大小: 0
• 数据集总大小: 20493387字节