File size: 2,147 Bytes
f5594b5 0098faf f5594b5 efbf0b4 f5594b5 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 |
---
license: apache-2.0
dataset_info:
features:
- name: 税番
dtype: string
- name: text
dtype: string
- name: label
dtype: int64
splits:
- name: train
num_bytes: 1667475
num_examples: 2655
- name: test
num_bytes: 555604
num_examples: 886
download_size: 928402
dataset_size: 2223079
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
task_categories:
- text-classification
language:
- ja
---
埋め込みモデルの学習、評価のためのクラスタリングデータセットです。
[税関の事前教示回答（品目分類）](https://www.customs.go.jp/tetsuzuki/bunrui/index.htm)から収集したデータを整形して作成しました。
[利用規約](https://www.customs.go.jp/kyotsu/rules.htm)に基づき、データセットとして公開しております。
2024/6/23時点でダウンロードしたデータから、「一般的品名」が重複しているデータを削除しました。
text列は「一般的品名」と「貨物概要」を結合したデータです。
label列は、HSコードの「部」に該当します。
部の情報は[関税率表解説・分類例規](https://www.customs.go.jp/tariff/kaisetu/index.htm)のページの一覧表から取得しました。
labelの割合を保ちつつ、ランダムにtrainとtestに分割しました。
それぞれのsplitの件数は以下の通りです。
| label | train | test |
|--------:|--------:|-------:|
| 1 | 150 | 51 |
| 2 | 214 | 71 |
| 3 | 32 | 11 |
| 4 | 576 | 192 |
| 5 | 27 | 9 |
| 6 | 308 | 102 |
| 7 | 246 | 82 |
| 8 | 46 | 16 |
| 9 | 67 | 22 |
| 10 | 30 | 10 |
| 11 | 304 | 101 |
| 12 | 66 | 22 |
| 13 | 45 | 15 |
| 14 | 14 | 5 |
| 15 | 149 | 50 |
| 16 | 138 | 45 |
| 17 | 36 | 13 |
| 18 | 31 | 10 |
| 20 | 176 | 59 | |