koaning/fashion-test

该数据集用于检测文本中的时尚相关子字符串，属于命名实体识别（NER）任务。数据集由专家生成，语言为英语，且为单语种。数据集大小在1K到10K之间，来源于原始数据。数据集的特征包括文本、元数据、输入哈希、任务哈希、令牌、跨度、会话ID、视图ID和答案等。数据集包含一个训练集，大小为3120984字节，包含1735个示例。

This dataset is designed for detecting fashion-related substrings in text, belonging to the Named Entity Recognition (NER) task. The dataset is expert-curated, uses English as its sole language, and is a monolingual corpus. It has a size ranging from 1K to 10K and is sourced from raw data. The features of the dataset include text, metadata, input hash, task hash, tokens, spans, session ID, view ID, and answers, among others. The dataset comprises one training set, which has a size of 3,120,984 bytes and contains 1,735 samples.

原始信息汇总

数据集概述

基本信息

• 数据集名称: Detecting fashion substrings in text
• 语言: 英语
• 许可证: MIT
• 多语言性: 单语种
• 数据集大小: 1K<n<10K
• 源数据集: 原始数据
• 任务类别: 标记分类
• 任务ID: 命名实体识别

数据集特征

• 文本: 字符串类型
• 元数据: 结构化数据，包含以下字段：
  • section: 字符串类型
• 输入哈希: 64位整数类型
• 任务哈希: 64位整数类型
• 标记: 列表类型，包含以下字段：
  • end: 64位整数类型
  • id: 64位整数类型
  • start: 64位整数类型
  • text: 字符串类型
• 跨度: 列表类型，包含以下字段：
  • end: 64位整数类型
  • input_hash: 64位整数类型
  • label: 字符串类型
  • source: 字符串类型
  • start: 64位整数类型
  • text: 字符串类型
  • token_end: 64位整数类型
  • token_start: 64位整数类型
• 会话ID: 空类型
• 视图ID: 字符串类型
• 答案: 字符串类型

数据集分割

• 训练集:
  • 文件大小: 3120984 字节
  • 样本数量: 1735

数据文件

• 配置名称: default
  • 数据文件:
    • 分割: 训练集
    • 路径: data/train-*

标签

• 标签: reddit, fashion