Le jeu de données fourni dans le cadre de ce Défi TextMine 2024 est constitué de données extraites des instructions nautiques qui sont la propriété du Shom (© Shom 2023). L’usage de ces données est limité aux seules fins du Défi TextMine 2024, organisé par le groupe de travail TextMine.

Le jeu de données est pré-tokenisé et annoté au niveau des tokens. Il est découpé en un jeu d’entraînement et de deux jeux de test "public" et "private". Le jeu de test "public" couvre une zone géographique présente dans le jeu d’entraînement et le jeu de test "privé" est un jeu de test privé et jamais vu,  couvrant une zone géographique absente du jeu d’entraînement.

Le jeu d’entraînement contient 39857 tokens.
Le jeu de test public contient  26173 tokens.

## Fichiers

-   **train.csv** - jeu d'entraînement contenant 39857 tokens.
-   **test.csv** - jeu d'évaluation contenant 26173 tokens.
-   **sample_submission.csv** - exemple de fichier à soumettre

Tous les fichiers sont au format CSV (champs séparés par des virgules et champs textuels entre guillemets).

## Colonnes

Le fichier **train.csv** comporte 3 colonnes,`Id`, `Token` et `Label`. Le champ label peut être vide. Si plusieurs labels sont associés à un même token, ceux-ci sont listés dans la colonne `Label`, séparés par des espaces.

Le fichier **test.csv** comporte 2 colonnes, `Id` et `Token`.

Une soumission correctement formatée, comme **sample_submission.csv**, comporte 2 colonnes, `Id` et `Label`. La colonne `Id` est alignée avec celle du fichier **test.csv** et la colonne `Label` donne les prédictions pour les tokens correspondant.