DioBot2000/CEFR_dataset_NEWs_3000

---
dataset_info:
features:
- name: tokens
sequence: string
- name: CEFR
sequence: string
- name: ner_tags
sequence: int64
splits:
- name: train
num_bytes: 1994665
num_examples: 2100
- name: test
num_bytes: 409685
num_examples: 450
- name: validation
num_bytes: 415947
num_examples: 450
download_size: 571423
dataset_size: 2820297
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
- split: validation
path: data/validation-*
---

数据集信息：
特征项：
- 名称：Token（tokens），序列类型为字符串
- 名称：欧洲语言共同参考框架（CEFR），序列类型为字符串
- 名称：命名实体识别标签（ner_tags），序列类型为64位整数（int64）
数据集划分：
- 划分名称：训练集（train），字节大小：1994665，样本数量：2100
- 划分名称：测试集（test），字节大小：409685，样本数量：450
- 划分名称：验证集（validation），字节大小：415947，样本数量：450
下载总大小：571423 字节，数据集总存储大小：2820297 字节
配置项：
- 配置名称：默认配置（default），数据文件映射关系：
- 训练集：对应 data/train-*
- 测试集：对应 data/test-*
- 验证集：对应 data/validation-*

原始信息汇总

数据集概述

数据集特征

• tokens: 字符串序列
• CEFR: 字符串序列
• ner_tags: 整数序列

数据集划分

• 训练集 (train):
  • 示例数量: 2100
  • 数据大小: 1994665 字节
• 测试集 (test):
  • 示例数量: 450
  • 数据大小: 409685 字节
• 验证集 (validation):
  • 示例数量: 450
  • 数据大小: 415947 字节

数据集大小

• 下载大小: 571423 字节
• 数据集总大小: 2820297 字节

数据文件配置

• 默认配置 (default):
  • 训练集路径: data/train-*
  • 测试集路径: data/test-*
  • 验证集路径: data/validation-*