madaanpulkit/tab-wnut

该数据集包含文本、标记、标记文本和标签等特性，主要用于命名实体识别（NER）任务。标签类别包括DIRECT-CODE、DIRECT-PERSON、QUASI-DATETIME等多种类型。数据集被划分为训练集、开发集和测试集，分别包含1014、127和127个示例。

This dataset includes features such as text, tokens, tokenized text, and labels, and is mainly used for Named Entity Recognition (NER) tasks. The label categories cover multiple types including DIRECT-CODE, DIRECT-PERSON, QUASI-DATETIME, and others. The dataset is divided into training, development, and test sets, which contain 1014, 127, and 127 samples respectively.

原始信息汇总

数据集概述

特征信息

• text: 数据类型为字符串。
• tokens: 序列类型，数据类型为字符串。
• tagged_text: 序列类型，数据类型为字符串。
• tags: 序列类型，包含类别标签，具体标签如下：
  • 0: 0
  • 1: B-DIRECT-CODE
  • 2: I-DIRECT-CODE
  • 3: B-DIRECT-PERSON
  • 4: I-DIRECT-PERSON
  • 5: B-QUASI-DATETIME
  • 6: I-QUASI-DATETIME
  • 7: B-QUASI-PERSON
  • 8: I-QUASI-PERSON
  • 9: B-QUASI-LOC
  • 10: I-QUASI-LOC
  • 11: B-QUASI-QUANTITY
  • 12: I-QUASI-QUANTITY
  • 13: B-QUASI-CODE
  • 14: I-QUASI-CODE
  • 15: B-QUASI-ORG
  • 16: I-QUASI-ORG
  • 17: B-QUASI-DEM
  • 18: I-QUASI-DEM
  • 19: B-QUASI-MISC
  • 20: I-QUASI-MISC
  • 21: B-DIRECT-ORG
  • 22: I-DIRECT-ORG
  • 23: B-DIRECT-DATETIME
  • 24: I-DIRECT-DATETIME
  • 25: B-DIRECT-LOC
  • 26: I-DIRECT-LOC
  • 27: B-DIRECT-MISC
  • 28: I-DIRECT-MISC
  • 29: B-DIRECT-DEM
  • 30: I-DIRECT-DEM

数据分割

• train: 包含1014个样本，占用45872319字节。
• dev: 包含127个样本，占用3749307字节。
• test: 包含127个样本，占用3619745字节。

数据集大小

• 下载大小: 11056816字节
• 数据集大小: 53241371字节