PuxAI/nemotron-pii-ready

---
dataset_info:
features:
- name: source_text
dtype: string
- name: language
dtype: string
- name: privacy_mask
list:
- name: end
dtype: int64
- name: label
dtype: string
- name: start
dtype: int64
- name: value
dtype: string
splits:
- name: train
num_bytes: 141920805
num_examples: 100000
- name: test
num_bytes: 137918128
num_examples: 100000
download_size: 188329597
dataset_size: 279838933
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

数据集信息：
特征项：
- 名称：源文本（source_text），数据类型：字符串
- 名称：语言（language），数据类型：字符串
- 名称：隐私掩码（privacy_mask），为列表类型，包含以下子字段：
- 结束位置（end）：数据类型为int64
- 标签（label）：数据类型为字符串
- 起始位置（start）：数据类型为int64
- 取值（value）：数据类型为字符串
数据集划分：
- 训练集（train）：占用字节数141920805，样本量100000
- 测试集（test）：占用字节数137918128，样本量100000
下载总大小：188329597，数据集总存储大小：279838933
配置项：
- 配置名称：默认配置（default），对应数据文件如下：
- 训练集划分：路径为data/train-*
- 测试集划分：路径为data/test-*