coref-data/dpr_indiscrim

该数据集是通过将`coref-data/dpr_raw`数据集重新格式化为无差别共指格式生成的。数据集包含多个特征字段，如id、text、sentences、coref_chains、genre和meta_data等。数据被分为训练集和测试集，训练集包含1322个样本，测试集包含564个样本。

原始信息汇总

数据集概述

数据集信息

特征

• id: 字符串类型
• text: 字符串类型
• sentences: 列表类型
  • end_char: 64位整数类型
  • id: 64位整数类型
  • speaker: 空类型
  • start_char: 64位整数类型
  • text: 字符串类型
  • tokens: 列表类型
    • deprel: 字符串类型
    • end_char: 64位整数类型
    • feats: 字符串类型
    • head: 64位整数类型
    • id: 64位整数类型
    • lemma: 字符串类型
    • start_char: 64位整数类型
    • text: 字符串类型
    • upos: 字符串类型
    • xpos: 字符串类型
• coref_chains: 序列类型，内部为64位整数类型序列
• genre: 字符串类型
• meta_data: 结构类型
  • comment: 字符串类型

数据分割

• train:
  • 字节数: 2526395
  • 样本数: 1322
• test:
  • 字节数: 1050530
  • 样本数: 564

数据集大小

• 下载大小: 615184 字节
• 数据集大小: 3576925 字节

配置

• default:
  • train: 路径为 data/train-*
  • test: 路径为 data/test-*