Update README.md

README.md

@@ -2,36 +2,26 @@
 language: br
 task_categories:
 - token-classification
-dataset_info:
-  features:
-  - name: tokens
-    sequence: string
-  - name: ner_tags
-    sequence: int64
-  splits:
-  - name: train
-    num_bytes: 127019
-    num_examples: 915
-  - name: validation
-    num_bytes: 121393
-    num_examples: 946
-  - name: test
-    num_bytes: 130972
-    num_examples: 952
-  download_size: 122664
-  dataset_size: 379384
 configs:
-- config_name: default
+- config_name: avec_prefixe
   data_files:
   - split: train
-    path: data/train-*
+    path: data/avec_prefixe/train-*
   - split: validation
-    path: data/validation-*
+    path: data/avec_prefixe/validation-*
   - split: test
-    path: data/test-*
+    path: data/avec_prefixe/test-*
+- config_name: sans_prefixe
+  data_files:
+  - split: train
+    path: data/sans_prefixe/train-*
+  - split: validation
+    path: data/sans_prefixe/validation-*
+  - split: test
+    path: data/sans_prefixe/test-*
 ---
 
-### Description
+# Description
 Version nettoyée de [WikiAnn](https://huggingface.co/datasets/tner/wikiann).  
 En effet, la version originale contenait des leaks et des duplications.
 De 1000 effectifs par split, la nouvelle répartition devient alors la suivante :
@@ -53,8 +43,10 @@ DatasetDict({
 })
 ```
 
+# Configurations
+Le jeu de données est disponible en deux configurations avec prefixe (i.e. schéma [IOB](https://en.wikipedia.org/wiki/Inside%E2%80%93outside%E2%80%93beginning_(tagging))) et sans préfixe.
 
-### Label ID
+### Avec prefixe 
 Le dictionnaire label2id est disponible [ici](https://huggingface.co/datasets/tner/wikiann/raw/main/dataset/label.json).
 ```python
 {
@@ -68,10 +60,31 @@ Le dictionnaire label2id est disponible [ici](https://huggingface.co/datasets/tn
 }
 ```
 
-### Répartition des entités
+La répartition des entités est alors la suivante 
 
 |            | O    | I-ORG | B-LOC | B-ORG | B-PER | I-LOC | I-PER |
 | ---------- | ---- | ----- | ----- | ----- | ----- | ----- | ----- |
 | train      | 4502 | 525   | 360   | 710   | 284   | 592   | 280   |
 | validation | 4179 | 427   | 396   | 767   | 283   | 581   | 292   |
-| test       | 4491 | 505   | 336   | 639   | 348   | 808   | 345   |
+| test       | 4491 | 505   | 336   | 639   | 348   | 808   | 345   |
+
+
+### Sans prefixe 
+Le dictionnaire label2id est alors
+```python
+{
+    "O": 0,
+    "PER": 1,
+    "ORG": 2,
+    "LOC": 3
+}
+
+```
+
+Et la répartition des entités devient 
+
+|            | O    | LOC | PER  | ORG  |
+| ---------- | ---- | --- | ---- | ---- |
+| train      | 4502 | 805 | 1070 | 876  |
+| validation | 4179 | 719 | 1163 | 864  |
+| test       | 4491 | 850 | 975  | 1156 |