explosion/ner-drugs

该数据集最初是[此教程](https://github.com/explosion/projects/tree/v3/tutorials/ner_drugs)的一部分。数据集的目的是在Reddit讨论中找到药物的引用。

该数据集最初为[该教程](https://github.com/explosion/projects/tree/v3/tutorials/ner_drugs)的组成部分。本数据集的设计目标为在Reddit平台的讨论内容中识别药物相关引用。

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。
• meta: 包含一个结构体，其中有一个名为 section 的字段，数据类型为字符串。
• _input_hash: 数据类型为 int64。
• _task_hash: 数据类型为 int64。
• tokens: 包含一个列表，列表中的字段包括：
  • end: 数据类型为 int64。
  • id: 数据类型为 int64。
  • start: 数据类型为 int64。
  • text: 数据类型为字符串。
• answer: 数据类型为字符串。
• spans: 包含一个列表，列表中的字段包括：
  • end: 数据类型为 int64。
  • label: 数据类型为字符串。
  • start: 数据类型为 int64。
  • token_end: 数据类型为 int64。
  • token_start: 数据类型为 int64。

数据分割

• train: 包含 1477 个样本，总字节数为 2486903。
• eval: 包含 500 个样本，总字节数为 849130。

数据集大小

• download_size: 0 字节。
• dataset_size: 3336033 字节。