dylanmontoya22/biomedical-ner

--- dataset_info: features: - name: text dtype: string - name: tokens sequence: string - name: prediction sequence: 'null' - name: prediction_agent dtype: string - name: annotation list: - name: end dtype: int64 - name: label dtype: string - name: start dtype: int64 - name: annotation_agent dtype: string - name: vectors dtype: 'null' - name: id dtype: string - name: metadata dtype: 'null' - name: status dtype: string - name: event_timestamp dtype: timestamp[us] - name: metrics struct: - name: annotated struct: - name: mentions list: - name: capitalness dtype: string - name: chars_length dtype: int64 - name: density dtype: float64 - name: label dtype: string - name: score dtype: float64 - name: tokens_length dtype: int64 - name: value dtype: string - name: tags list: - name: tag dtype: string - name: value dtype: string - name: predicted struct: - name: mentions sequence: 'null' - name: tags list: - name: tag dtype: string - name: value dtype: string - name: text_length dtype: int64 - name: tokens list: - name: capitalness dtype: string - name: char_end dtype: int64 - name: char_start dtype: int64 - name: custom dtype: 'null' - name: idx dtype: int64 - name: length dtype: int64 - name: score dtype: 'null' - name: tag dtype: string - name: value dtype: string - name: tokens_length dtype: int64 splits: - name: train num_bytes: 1055927 num_examples: 1000 download_size: 184089 dataset_size: 1055927 --- # Dataset Card for "biomedical-ner" [More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)--- 数据集信息： 特征字段： - 字段名：text，数据类型：字符串（string） - 字段名：tokens，数据类型：字符串序列 - 字段名：prediction，数据类型：空值（null）序列 - 字段名：prediction_agent，数据类型：字符串 - 字段名：annotation，数据类型：列表，包含子字段： - 字段名：end，数据类型：64位整数（int64） - 字段名：label，数据类型：字符串 - 字段名：start，数据类型：64位整数（int64） - 字段名：annotation_agent，数据类型：字符串 - 字段名：vectors，数据类型：空值（null） - 字段名：id，数据类型：字符串 - 字段名：metadata，数据类型：空值（null） - 字段名：status，数据类型：字符串 - 字段名：event_timestamp，数据类型：微秒级时间戳（timestamp[us]） - 字段名：metrics，数据类型：结构体，包含子结构体： - 子字段：annotated，数据类型：结构体，包含： - 子字段：mentions，数据类型：列表，每个元素包含： - 字段名：capitalness，数据类型：字符串 - 字段名：chars_length，数据类型：64位整数（int64） - 字段名：density，数据类型：64位浮点数（float64） - 字段名：label，数据类型：字符串 - 字段名：score，数据类型：64位浮点数（float64） - 字段名：tokens_length，数据类型：64位整数（int64） - 字段名：value，数据类型：字符串 - 子字段：tags，数据类型：列表，每个元素包含： - 字段名：tag，数据类型：字符串 - 字段名：value，数据类型：字符串 - 子字段：predicted，数据类型：结构体，包含： - 子字段：mentions，数据类型：空值（null）序列 - 子字段：tags，数据类型：列表，每个元素包含： - 字段名：tag，数据类型：字符串 - 字段名：value，数据类型：字符串 - 子字段：text_length，数据类型：64位整数（int64） - 子字段：tokens，数据类型：列表，每个元素包含： - 字段名：capitalness，数据类型：字符串 - 字段名：char_end，数据类型：64位整数（int64） - 字段名：char_start，数据类型：64位整数（int64） - 字段名：custom，数据类型：空值（null） - 字段名：idx，数据类型：64位整数（int64） - 字段名：length，数据类型：64位整数（int64） - 字段名：score，数据类型：空值（null） - 字段名：tag，数据类型：字符串 - 字段名：value，数据类型：字符串 - 子字段：tokens_length，数据类型：64位整数（int64） 数据集划分： - 划分集：训练集（train），字节占用量：1055927，样本数量：1000 下载体积：184089 数据集总体积：1055927 --- # "biomedical-ner" 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

• text: 文本，数据类型为字符串。
• tokens: 词序列，数据类型为字符串。
• prediction: 预测序列，数据类型为空。
• prediction_agent: 预测代理，数据类型为字符串。
• annotation: 注释，包含以下子特征：
  • start: 开始位置，数据类型为int64。
  • end: 结束位置，数据类型为int64。
  • label: 标签，数据类型为字符串。
• annotation_agent: 注释代理，数据类型为字符串。
• vectors: 向量，数据类型为空。
• id: 标识符，数据类型为字符串。
• metadata: 元数据，数据类型为空。
• status: 状态，数据类型为字符串。
• event_timestamp: 事件时间戳，数据类型为时间戳（微秒）。
• metrics: 度量，包含以下子特征：
  • annotated: 已注释，包含以下子特征：
    • mentions: 提及，包含以下子特征：
      • capitalness: 大写状态，数据类型为字符串。
      • chars_length: 字符长度，数据类型为int64。
      • density: 密度，数据类型为float64。
      • label: 标签，数据类型为字符串。
      • score: 分数，数据类型为float64。
      • tokens_length: 词长度，数据类型为int64。
      • value: 值，数据类型为字符串。
    • tags: 标签，包含以下子特征：
      • tag: 标签名，数据类型为字符串。
      • value: 标签值，数据类型为字符串。
  • predicted: 预测，包含以下子特征：
    • mentions: 提及序列，数据类型为空。
    • tags: 标签，包含以下子特征：
      • tag: 标签名，数据类型为字符串。
      • value: 标签值，数据类型为字符串。
  • text_length: 文本长度，数据类型为int64。
  • tokens: 词，包含以下子特征：
    • capitalness: 大写状态，数据类型为字符串。
    • char_end: 字符结束位置，数据类型为int64。
    • char_start: 字符开始位置，数据类型为int64。
    • custom: 自定义，数据类型为空。
    • idx: 索引，数据类型为int64。
    • length: 长度，数据类型为int64。
    • score: 分数，数据类型为空。
    • tag: 标签，数据类型为字符串。
    • value: 值，数据类型为字符串。
  • tokens_length: 词长度，数据类型为int64。

数据集分割

• train: 训练集，包含1000个示例，数据大小为1055927字节。

数据集大小

• 下载大小: 184089字节。
• 数据集大小: 1055927字节。