alzoubi36/piextract

--- dataset_info: features: - name: COLLECT struct: - name: subtask dtype: string - name: tags sequence: string - name: tokens sequence: string - name: NOT_COLLECT struct: - name: subtask dtype: string - name: tags sequence: string - name: tokens sequence: string - name: NOT_SHARE struct: - name: subtask dtype: string - name: tags sequence: string - name: tokens sequence: string - name: SHARE struct: - name: subtask dtype: string - name: tags sequence: string - name: tokens sequence: string splits: - name: train num_bytes: 3453408 num_examples: 2579 - name: test num_bytes: 1580498 num_examples: 1029 - name: validation num_bytes: 662810 num_examples: 456 download_size: 1013894 dataset_size: 5696716 --- # Dataset for the PI-Extract task in the [PrivacyGLUE](https://github.com/infsys-lab/privacy-glue) dataset数据集信息： 特征： - 字段名：COLLECT，其结构体包含： - 子任务（subtask）：数据类型为字符串 - 标签（tags）：字符串序列 - Token（Token）序列：字符串序列 - 字段名：NOT_COLLECT，其结构体包含： - 子任务（subtask）：数据类型为字符串 - 标签（tags）：字符串序列 - Token（Token）序列：字符串序列 - 字段名：NOT_SHARE，其结构体包含： - 子任务（subtask）：数据类型为字符串 - 标签（tags）：字符串序列 - Token（Token）序列：字符串序列 - 字段名：SHARE，其结构体包含： - 子任务（subtask）：数据类型为字符串 - 标签（tags）：字符串序列 - Token（Token）序列：字符串序列 数据集划分： - 划分名称：train（训练集），字节大小：3453408，样本数量：2579 - 划分名称：test（测试集），字节大小：1580498，样本数量：1029 - 划分名称：validation（验证集），字节大小：662810，样本数量：456 下载大小：1013894 数据集总大小：5696716 --- # 适用于[PrivacyGLUE](https://github.com/infsys-lab/privacy-glue)数据集的PI-Extract（个人信息提取）任务专用数据集

原始信息汇总

数据集概述

数据集特征

• COLLECT

  • subtask: 数据类型为字符串
  • tags: 数据类型为字符串序列
  • tokens: 数据类型为字符串序列

• NOT_COLLECT

  • subtask: 数据类型为字符串
  • tags: 数据类型为字符串序列
  • tokens: 数据类型为字符串序列

• NOT_SHARE

  • subtask: 数据类型为字符串
  • tags: 数据类型为字符串序列
  • tokens: 数据类型为字符串序列

• SHARE

  • subtask: 数据类型为字符串
  • tags: 数据类型为字符串序列
  • tokens: 数据类型为字符串序列

数据集分割

• train

  • num_bytes: 3453408
  • num_examples: 2579

• test

  • num_bytes: 1580498
  • num_examples: 1029

• validation

  • num_bytes: 662810
  • num_examples: 456

数据集大小

• download_size: 1013894
• dataset_size: 5696716