j-chim/pii-pile-chunk3-0-50000-tagged

该数据集包含文本、元数据、分数等信息，分为训练集，共有50000个例子，数据集总大小为505187810字节，下载大小为192707833字节。# 数据集信息 dataset_info: 特征项： - 字段名：texts，数据类型：字符串序列 - 字段名：meta，数据类型：结构体，包含子字段： - 字段名：pile_set_name，数据类型：字符串 - 字段名：scores，数据类型：float64序列 - 字段名：avg_score，数据类型：float64 - 字段名：num_sents，数据类型：int64 - 字段名：tagged_pii_results，数据类型：列表，列表元素为带标记的个人可识别信息（Personally Identifiable Information，PII）结果，包含以下子字段： - 字段名：analysis_explanation，数据类型：空类型（null） - 字段名：end，数据类型：int64 - 字段名：entity_type，数据类型：字符串 - 字段名：recognition_metadata，数据类型：结构体，包含子字段： - 字段名：recognizer_identifier，数据类型：字符串 - 字段名：recognizer_name，数据类型：字符串 - 字段名：score，数据类型：float64 - 字段名：start，数据类型：int64 数据集划分： - 划分名称：train，占用字节数：505187810，样本数量：50000 下载大小：192707833 字节 数据集总大小：505187810 字节 # 「pii-pile-chunk3-0-50000-tagged」数据集卡片 [需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集名称

• 名称: pii-pile-chunk3-0-50000-tagged

数据集特征

• texts: 字符串序列
• meta: 结构化数据
  • pile_set_name: 字符串类型
• scores: 浮点数序列（float64）
• avg_score: 浮点数类型（float64）
• num_sents: 整数类型（int64）
• tagged_pii_results: 列表
  • analysis_explanation: 空值（null）
  • end: 整数类型（int64）
  • entity_type: 字符串类型
  • recognition_metadata: 结构化数据
    • recognizer_identifier: 字符串类型
    • recognizer_name: 字符串类型
  • score: 浮点数类型（float64）
  • start: 整数类型（int64）

数据集分割

• train:
  • num_bytes: 505187810
  • num_examples: 50000

数据集大小

• download_size: 192707833
• dataset_size: 505187810