AfnanTS/TokenizedEnglish

---
license: apache-2.0
dataset_info:
features:
- name: obj_label
dtype: string
- name: masked_sentences
dtype: string
- name: label
sequence: int64
- name: labels
sequence: int64
- name: input_ids
sequence: int32
- name: token_type_ids
sequence: int8
- name: attention_mask
sequence: int8
splits:
- name: train
num_bytes: 188603660
num_examples: 26796
- name: test
num_bytes: 10480377
num_examples: 1489
- name: valid
num_bytes: 10480917
num_examples: 1489
download_size: 4813627
dataset_size: 209564954
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: valid
path: data/valid-*
---

许可证：Apache-2.0
数据集信息：
特征：
- 名称：对象标签（obj_label），数据类型：字符串
- 名称：掩码语句（masked_sentences），数据类型：字符串
- 名称：标签（label），数据类型：int64序列
- 名称：标签集（labels），数据类型：int64序列
- 名称：输入Token序列（input_ids），数据类型：int32序列
- 名称：Token类型ID序列（token_type_ids），数据类型：int8序列
- 名称：注意力掩码（attention_mask），数据类型：int8序列
数据集划分：
- 名称：训练集（train），字节占用：188603660，样本数量：26796
- 名称：测试集（test），字节占用：10480377，样本数量：1489
- 名称：验证集（valid），字节占用：10480917，样本数量：1489
下载大小：4813627
数据集总大小：209564954
配置项：
- 配置名称：默认配置（default），数据文件路径：
- 训练集：data/train-*
- 测试集：data/test-*
- 验证集：data/valid-*

原始信息汇总

数据集概述

许可证

• Apache 2.0

数据集信息

特征

• obj_label: 类型为字符串
• masked_sentences: 类型为字符串
• label: 类型为整数序列
• labels: 类型为整数序列
• input_ids: 类型为整数序列
• token_type_ids: 类型为整数序列
• attention_mask: 类型为整数序列

数据分割

• 训练集:
  • 字节数: 188603660
  • 样本数: 26796
• 测试集:
  • 字节数: 10480377
  • 样本数: 1489
• 验证集:
  • 字节数: 10480917
  • 样本数: 1489

数据大小

• 下载大小: 4813627 字节
• 数据集大小: 209564954 字节

配置

• 配置名称: default
• 数据文件:
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*
  • 验证集路径: data/valid-*