Thanmay/lsoie_seq2seq

---
dataset_info:
features:
- name: source
dtype: string
- name: target
dtype: string
- name: clausie_trg
dtype: string
- name: POS
struct:
- name: tags
sequence: string
- name: words
sequence: string
- name: SynDP
struct:
- name: tags
sequence: string
- name: words
sequence: string
- name: SemDP
struct:
- name: tags
sequence: string
- name: words
sequence: string
splits:
- name: train
num_bytes: 32802784
num_examples: 17630
- name: validation
num_bytes: 3797686
num_examples: 2045
- name: test
num_bytes: 3893095
num_examples: 2161
download_size: 14091445
dataset_size: 40493565
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
---

数据集元信息：
特征字段：
- 源（source）：字符串类型
- 目标（target）：字符串类型
- ClausIE目标抽取结果字段（clausie_trg）：字符串类型
- 词性标注（Part-of-Speech, POS）：结构体类型，包含子字段：
- 词性标签（tags）：字符串序列
- 分词词项（words）：字符串序列
- 句法依存分析（Syntactic Dependency Parsing, SynDP）：结构体类型，包含子字段：
- 依存标签（tags）：字符串序列
- 分词词项（words）：字符串序列
- 语义依存分析（Semantic Dependency Parsing, SemDP）：结构体类型，包含子字段：
- 依存标签（tags）：字符串序列
- 分词词项（words）：字符串序列
数据集划分：
- 训练集（train）：占用字节数32802784，样本量17630
- 验证集（validation）：占用字节数3797686，样本量2045
- 测试集（test）：占用字节数3893095，样本量2161
全局参数：下载总大小14091445字节，数据集总占用大小40493565字节
配置项：
- 默认配置（default）：数据文件路径配置如下：
- 训练集：data/train-*
- 验证集：data/validation-*
- 测试集：data/test-*

原始信息汇总

数据集概述

数据特征

• source: 字符串类型
• target: 字符串类型
• clausie_trg: 字符串类型
• POS: 结构体类型，包含以下序列：
  • tags: 字符串序列
  • words: 字符串序列
• SynDP: 结构体类型，包含以下序列：
  • tags: 字符串序列
  • words: 字符串序列
• SemDP: 结构体类型，包含以下序列：
  • tags: 字符串序列
  • words: 字符串序列

数据分割

• train: 包含17630个样本，占用32802784字节
• validation: 包含2045个样本，占用3797686字节
• test: 包含2161个样本，占用3893095字节

数据集大小

• 下载大小: 14091445字节
• 数据集大小: 40493565字节

配置

• default: 包含以下数据文件路径：
  • train: data/train-*
  • validation: data/validation-*
  • test: data/test-*