coref-data/superglue_wsc_indiscrim

---
dataset_info:
features:
- name: text
dtype: string
- name: id
dtype: int64
- name: sentences
list:
- name: end_char
dtype: int64
- name: id
dtype: int64
- name: speaker
dtype: 'null'
- name: start_char
dtype: int64
- name: text
dtype: string
- name: tokens
list:
- name: deprel
dtype: string
- name: end_char
dtype: int64
- name: feats
dtype: string
- name: head
dtype: int64
- name: id
dtype: int64
- name: lemma
dtype: string
- name: start_char
dtype: int64
- name: text
dtype: string
- name: upos
dtype: string
- name: xpos
dtype: string
- name: coref_chains
sequence:
sequence:
sequence: int64
- name: genre
dtype: string
- name: meta_data
struct:
- name: comment
dtype: string
splits:
- name: train
num_bytes: 1558989
num_examples: 554
- name: validation
num_bytes: 384085
num_examples: 104
- name: test
num_bytes: 545213
num_examples: 146
download_size: 332859
dataset_size: 2488287
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

This dataset was generated by reformatting [`coref-data/superglue_wsc_raw`](https://huggingface.co/datasets/coref-data/superglue_wsc_raw) into the indiscrim coreference format. See that repo for dataset details.

See [ianporada/coref-data](https://github.com/ianporada/coref-data) for additional conversion details and the conversion script.

Please create an issue in the repo above or in this dataset repo for any questions.

数据集信息：
特征：
- 名称：text，数据类型：字符串
- 名称：id，数据类型：64位整数
- 名称：sentences，为列表类型，其内部结构如下：
- 名称：end_char，数据类型：int64
- 名称：id，数据类型：64位整数
- 名称：speaker，数据类型：空值
- 名称：start_char，数据类型：int64
- 名称：text，数据类型：字符串
- 名称：tokens，为列表类型，其内部结构如下：
- 名称：deprel，数据类型：字符串
- 名称：end_char，数据类型：int64
- 名称：feats，数据类型：字符串
- 名称：head，数据类型：int64
- 名称：id，数据类型：64位整数
- 名称：lemma，数据类型：字符串
- 名称：start_char，数据类型：int64
- 名称：text，数据类型：字符串
- 名称：upos，数据类型：字符串
- 名称：xpos，数据类型：字符串
- 名称：coref_chains（共指链），为三层嵌套序列类型，最内层元素数据类型为int64
- 名称：genre，数据类型：字符串
- 名称：meta_data（元数据），为结构体类型，其内部字段：
- 名称：comment，数据类型：字符串
数据集划分：
- 名称：训练集（train），占用字节数：1558989，样本数量：554
- 名称：验证集（validation），占用字节数：384085，样本数量：104
- 名称：测试集（test），占用字节数：545213，样本数量：146
下载总大小：332859，数据集总存储大小：2488287
配置项：
- 配置名称：默认配置（default），对应数据文件如下：
- 训练集划分：对应路径data/train-*
- 验证集划分：对应路径data/validation-*
- 测试集划分：对应路径data/test-*

本数据集通过将[`coref-data/superglue_wsc_raw`](https://huggingface.co/datasets/coref-data/superglue_wsc_raw)重构为无差别共指（coreference）格式生成。如需了解数据集详情，请参阅该开源仓库。
如需获取更多转换细节与转换脚本，请参阅[ianporada/coref-data](https://github.com/ianporada/coref-data)开源仓库。
如有任何疑问，请在上述任一仓库或本数据集仓库中提交议题（issue）。

原始信息汇总

数据集概述

数据集信息

特征

• text: 数据类型为字符串。
• id: 数据类型为整数（int64）。
• sentences: 列表类型，包含以下子特征：
  • end_char: 数据类型为整数（int64）。
  • id: 数据类型为整数（int64）。
  • speaker: 数据类型为空（null）。
  • start_char: 数据类型为整数（int64）。
  • text: 数据类型为字符串。
  • tokens: 列表类型，包含以下子特征：
    • deprel: 数据类型为字符串。
    • end_char: 数据类型为整数（int64）。
    • feats: 数据类型为字符串。
    • head: 数据类型为整数（int64）。
    • id: 数据类型为整数（int64）。
    • lemma: 数据类型为字符串。
    • start_char: 数据类型为整数（int64）。
    • text: 数据类型为字符串。
    • upos: 数据类型为字符串。
    • xpos: 数据类型为字符串。
• coref_chains: 序列类型，包含多层嵌套的整数（int64）序列。
• genre: 数据类型为字符串。
• meta_data: 结构类型，包含以下子特征：
  • comment: 数据类型为字符串。

数据分割

• train: 包含554个样本，占用1558989字节。
• validation: 包含104个样本，占用384085字节。
• test: 包含146个样本，占用545213字节。

数据大小

• 下载大小: 332859字节。
• 数据集大小: 2488287字节。

配置

• default: 包含以下数据文件：
  • train: 路径为data/train-*。
  • validation: 路径为data/validation-*。
  • test: 路径为data/test-*。