grimu/wikiner-fr-bme

---
dataset_info:
features:
- name: id
dtype: int64
- name: tokens
sequence: string
- name: ner_tags
sequence:
class_label:
names:
'0': O
'1': LOC
'2': PER
'3': MISC
'4': ORG
- name: one_hot
sequence:
sequence:
sequence: float64
- name: ner_padded
sequence: int64
splits:
- name: train
num_bytes: 91935318915
num_examples: 114215
download_size: 86123839
dataset_size: 91935318915
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
1. 编号（id）：数据类型为64位整型（int64）
2. 词元（tokens）：字符串序列
3. 命名实体识别标签（ner_tags）：序列型分类标签，其类别映射关系如下：0对应O（非实体），1对应LOC（地点），2对应PER（人物），3对应MISC（混合实体），4对应ORG（组织）
4. 独热编码（one_hot）：三维64位浮点型（float64）序列
5. 填充后命名实体识别标签（ner_padded）：64位整型（int64）序列
数据集划分：
- 训练集（train）：占用字节数为91935318915，样本总数为114215
该数据集的下载大小为86123839字节，数据集总存储大小为91935318915字节
配置项：
- 默认配置（default）：对应的数据文件为训练划分下的`data/train-*`路径文件

原始信息汇总

数据集概述

数据特征

• id: 数据类型为 int64。
• tokens: 序列类型，数据类型为 string。
• ner_tags: 序列类型，包含类别标签：
  • 0: O
  • 1: LOC
  • 2: PER
  • 3: MISC
  • 4: ORG
• one_hot: 序列类型，嵌套序列，数据类型为 float64。
• ner_padded: 序列类型，数据类型为 int64。

数据分割

• train: 包含 114215 个样本，总字节数为 91935318915。

数据集大小

• 下载大小: 86123839 字节。
• 数据集大小: 91935318915 字节。

配置

• default: 包含训练数据文件，路径为 data/train-*。