Tippawan/SNOMED-CT-NER-V.2-k-fold-validation

---
dataset_info:
features:
- name: text
sequence: string
- name: tag
sequence: int64
splits:
- name: train_1
num_bytes: 186541
num_examples: 1020
- name: train_2
num_bytes: 182025
num_examples: 1020
- name: train_3
num_bytes: 181323
num_examples: 1020
- name: train_4
num_bytes: 183654
num_examples: 1020
- name: train_5
num_bytes: 186057
num_examples: 1020
- name: validation_1
num_bytes: 43359
num_examples: 255
- name: validation_2
num_bytes: 47875
num_examples: 255
- name: validation_3
num_bytes: 48577
num_examples: 255
- name: validation_4
num_bytes: 46246
num_examples: 255
- name: validation_5
num_bytes: 43843
num_examples: 255
- name: test
num_bytes: 30386
num_examples: 143
download_size: 333489
dataset_size: 1179886
configs:
- config_name: default
data_files:
- split: train_1
path: data/train_1-*
- split: train_2
path: data/train_2-*
- split: train_3
path: data/train_3-*
- split: train_4
path: data/train_4-*
- split: train_5
path: data/train_5-*
- split: validation_1
path: data/validation_1-*
- split: validation_2
path: data/validation_2-*
- split: validation_3
path: data/validation_3-*
- split: validation_4
path: data/validation_4-*
- split: validation_5
path: data/validation_5-*
- split: test
path: data/test-*
---

数据集信息：
数据特征：
- 名称：文本（text），类型：字符串序列
- 名称：标签（tag），类型：64位整数序列
数据集划分：
- 名称：训练集1（train_1），字节数：186541，样本数量：1020
- 名称：训练集2（train_2），字节数：182025，样本数量：1020
- 名称：训练集3（train_3），字节数：181323，样本数量：1020
- 名称：训练集4（train_4），字节数：183654，样本数量：1020
- 名称：训练集5（train_5），字节数：186057，样本数量：1020
- 名称：验证集1（validation_1），字节数：43359，样本数量：255
- 名称：验证集2（validation_2），字节数：47875，样本数量：255
- 名称：验证集3（validation_3），字节数：48577，样本数量：255
- 名称：验证集4（validation_4），字节数：46246，样本数量：255
- 名称：验证集5（validation_5），字节数：43843，样本数量：255
- 名称：测试集（test），字节数：30386，样本数量：143
下载大小：333489
数据集总大小：1179886
配置项：
- 配置名称：默认（default），数据文件：
- 数据集划分：train_1，文件路径：data/train_1-*
- 数据集划分：train_2，文件路径：data/train_2-*
- 数据集划分：train_3，文件路径：data/train_3-*
- 数据集划分：train_4，文件路径：data/train_4-*
- 数据集划分：train_5，文件路径：data/train_5-*
- 数据集划分：validation_1，文件路径：data/validation_1-*
- 数据集划分：validation_2，文件路径：data/validation_2-*
- 数据集划分：validation_3，文件路径：data/validation_3-*
- 数据集划分：validation_4，文件路径：data/validation_4-*
- 数据集划分：validation_5，文件路径：data/validation_5-*
- 数据集划分：test，文件路径：data/test-*

原始信息汇总

数据集概述

特征信息

• text: 字符串序列
• tag: 整数序列（int64）

数据分割

• 训练集:

  • train_1: 1020个样本，186541字节
  • train_2: 1020个样本，182025字节
  • train_3: 1020个样本，181323字节
  • train_4: 1020个样本，183654字节
  • train_5: 1020个样本，186057字节

• 验证集:

  • validation_1: 255个样本，43359字节
  • validation_2: 255个样本，47875字节
  • validation_3: 255个样本，48577字节
  • validation_4: 255个样本，46246字节
  • validation_5: 255个样本，43843字节

• 测试集: 143个样本，30386字节

数据集大小

• 下载大小: 333489字节
• 数据集总大小: 1179886字节

配置信息

• 默认配置文件包含所有分割的数据文件路径，路径格式为data/{split}-*。