|
--- |
|
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-* |
|
--- |
|
|
|
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 | |
