NER任务相关数据集

最新推荐文章于 2024-06-15 21:28:07 发布
原创 最新推荐文章于 2024-06-15 21:28:07 发布 · 1k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#自然语言处理

总结一下NER任务的数据集：

名称语种实体类别是否含有嵌套实体/占比细节
ACE 2004English7是
ACE 2005English7是
GENIAEnglish5是/17%
KBP2017English是
GermEval 2014German4是
CoNLL 2002Dutch/Spanish否
CoNLL 2003English/German否
OntoNotes 5.0English否
MSRAChinese否
OntoNotes 4.0Chinese否
JNLPBAEnglish
Weibo NERChinese
  • 非连续

未完待续

深度学习速通系列:中文命名实体识别（NER）数据集大全（含链接）
Ven%的博客
10-16 2369
训练集8001条、验证集1000条、测试集1001条。：在清华大学开源的文本分类数据集THUCTC基础上进行细粒度命名实体标注，包含地址、书名、公司、游戏、政府、电影、姓名、组织机构、职位、景点等类别。：基于淘宝电商数据制作的NER数据集，包括商品名称、商品型号、人名、地名等类别。：基于新浪财经收集的上市公司高管简历，标注了国籍、教育背景、地名、人名、组织名、专业、民族、职称等8种实体。：由Boson提供，包含时间、地点、人名、组织名、公司名、产品名等类别，共2000个段落。
中文实体识别数据集
热门推荐
SYSU_BOND的博客
07-03 1万+
中文命名实体识别数据集 1. 微软实体数据集 数据集简介： MSRANER是由微软亚洲研究院标注的新闻领域的实体识别数据集，也是SIGNAN backoff 2006的实体识别任务的数据集之一。该数据集包含5 万多条中文实体识别标注数据，实体类别分为人物、地点、机构三类。 数据集详情： 名称 规模 创建日期 单位 论文 下载 评测 MSRANER 训练集46364个句子，验证集4365个句子 2006年 微软亚洲研究院 链接 链接 链接 基于该数据集发表的论文： Zhang
命名实体识别（NER）综述
SunnyGJing’s blog
09-13 1万+
1. NER介绍 1.1 理论 命名实体识别（NER）是自然语言处理领域的核心技术之一，它的目标是从一段非结构化文本中识别出属于特定类别的命名实体，进而支持下游任务。例如，为了接入地图搜索服务API，查询POI信息，我们从“我要去北京市北三环西路”中，识别出市辖区类“北京市”和道路类“北三环西路”这两个实体，并作为参数值传入搜索服务API（这一步骤被称为填槽），搜索完成后可获取对应的查询结果。 1.2 常见命名实体 在公开NER语料中，命名实体类别以“时间TIME、地名LOC、人名PER、机构ORG”最为常
ner常用数据集
Kaaaakaki的博客
07-23 1301
https://zhuanlan.zhihu.com/p/88247160
NLP-信息抽取-命名实体识别（NER）：数据集【CoNLL2003、OneNotes、MSRA、Weibo、CLUENER2020】
u013250861的博客
03-28 2897
命名实体识别(NameEntity Recognition)是信息提取的一个子任务，其目的是将文本中的命名实体定位并分类为预定义的类别，如人员、组织、位置等。它是信息抽取、问答系统和句法分析等应用领域的重要基础技术，是结构化信息抽取的重要步骤。 参考资料： 【NER】中文细粒度命名实体识别数据集来了 GitHub：CLUENER2020 CLUENER2020原文：https://arxiv.org/abs/2001.04351 ...
精选资源
中文实体识别ner数据集（包含原始数据和经过处理后的数据）.zip
03-24
2、适用人群：主要针对计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、数学、电子信息等)的同学或企业员工下载使用，具有较高的学习借鉴价值。 3、不仅适合小白学习实战练习，也...
NER基于Boson数据集_BILSTM-CRF.zip
09-15
“Boson数据集”在NER任务中可能是一个特定的训练和测试数据集。该数据集应该是为了NER任务精心构建的，并包含了丰富的命名实体。每个实体都被标注了相应的类别标签，用于训练和评估NER模型的性能。 “BILSTM-CRF-...
基于ccksyidu4k数据集的Albert预训练模型NER任务设计源码
最新发布
09-30
本文介绍了一个基于ccksyidu4k数据集的Albert预训练模型在命名实体识别（NER）任务上的应用，提供了一套完整的源码集。在自然语言处理领域，NER是识别文本中具有特定意义实体的过程，这些实体通常包括人名、地名、...
中文NER任务，采用各类比赛平台上的公开数据集，BiLSTM+CRF模型.zip
10-01
总之，这个项目展示了如何利用公开数据集和先进的BiLSTM+CRF模型来解决中文NER任务，对于深入理解和实践NLP中的序列标注技术具有很高的参考价值。通过学习和分析这个项目，开发者可以提升自己在自然语言处理领域的...
NER中文命名实体识别数据集
07-05
"NER中文命名实体识别数据集"很可能采用标注过的语料库，其中每个实体都通过特定的标记或标签进行了标识。例如，组织可能被标记为“ORG”，机构为“INST”，人物为“PER”。这种标注形式遵循了IOB（Inside, Outside,...
NER（命名实体识别）训练数据集.7z
05-25
NER（命名实体识别），数据集读取和解析工具，数据下载链接，数据详细解释文档
中文实体关系抽取数据集 Chinese-Literature-NER-RE-Dataset
10-05
基于几个可用的NER和RE数据集定义了7个实体标签和9个关系标签。实体(Entity)：每个实体都由带有多个属性的T标签标识。关系(Relation):每个关系由R标签标识，该标签可以具有多个属性。
boundary-aware-nested-ner:EMNLP 2019论文代码“用于嵌套命名实体识别的边界感知神经模型”
05-10
嵌套NER的边界感知模型的源代码 EMNLP-IJCNLP 2019中我们论文``嵌套命名实体识别的边界感知模型''的实现。 要求 python 3 pytorch numpy gensim scikit-learn joblib 资料格式 我们处理后的GENIA数据集位于./data/genia 。 数据格式与的相同 每行都有多个列，这些列由Tab键分隔。 每行包含 word label1 label2 label3 ... labelN 每个单词的标签数量（ N ）由数据集中的最大嵌套级别决定。 N=maximum nested level + 1每个句子用空行分隔。 例如，对于这两个句子， John killed Mary's husband. He was arrested last night John killed Mary's husband. He was ar
十个类别商品评论数据集
04-09
数据概览：10 个类别，共 6 万多条评论数据，正、负向评论各约 3 万条， 包括书籍、平板、手机、水果、洗发水、热水器、蒙牛、衣服、计算机、酒店
自建数据集用BiLSTM+CRF实现命名实体识别(NER)
qq_53364861的博客
06-15 1098
本文使用的代码来自：参考的代码解读来自：在跑代码时根据自己的需求进行了一些修改，在此记录一下，也供大家参考。
通用信息抽取数据集Viscacha-Chinese-IE——NER数据集篇
HERODING23的博客
07-08 1492
最近在做和大模型通用抽取相关的任务，需要将所有数据集转换为相同的格式，便于构建指令微调数据集。在处理数据时需要将不同格式的NER数据集转换为方便处理的json格式数据，这是一项非常繁杂的工作。在NER领域，没有一个统一的格式规范，博主收集了近30份NER数据集，总结出常见的NER数据集格式包括BIO、BIEO、excel格式的BIO、数据标签分离、内嵌式json等，每种格式可能只有两三个数据集，如果单独为其进行编码需要耗费不少精力，拖慢工作进度。
NER数据集标注工具——Label Studio
weixin_45420890的博客
04-01 3216
是一款开源和免费的数据标注工具，能够完成文本分类、图像分类等多种机器学习及深度学习的数据标注任务.它具有用户友好的界面和丰富的功能，可以帮助用户高效地进行数据标注工作。。本文主要讲解一下NER任务的数据标注以及数据如何转化为BIO格式。
常见中文NER数据集大盘点
古月哲亭
07-15 9423
常见中文NER数据集大盘点 https://zhuanlan.zhihu.com/p/164966421
【NER】中文细粒度命名实体识别数据集来了
zenRRan的博客
01-19 8279
点击上方，选择星标或置顶，每天给你送干货！阅读大概需要8分钟跟随小博主，每天进步一丢丢整理：AINLP命名实体识别(NameEntity Recognition)是信息提取的一个子任务，...
NER_calligraphy数据集资源介绍与使用指南
1. 用于训练和测试NER模型：研究者和开发者可以使用该数据集来训练他们的NER模型，评估模型在书法领域实体识别任务上的性能。 2. 数据集预处理：在使用NER_calligraphy数据集进行模型训练之前，通常需要进行数据清洗...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值