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