NER任务相关数据集

最新推荐文章于 2024-06-15 21:28:07 发布
最新推荐文章于 2024-06-15 21:28:07 发布
阅读量1k 收藏 2
点赞数 2
分类专栏： NER 文章标签： 自然语言处理
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。
本文链接：https://blog.csdn.net/DoDo961010/article/details/115877812
版权

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 2057
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常用数据集
Kaaaakaki的博客
07-23 1257
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 2843
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 ...
自建数据集用BiLSTM+CRF实现命名实体识别(NER)
qq_53364861的博客
06-15 927
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 1328
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。
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、...
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
GENIA corpus3.02p生物医学实体识别语料库
04-19
GENIA语料库是为GENIA项目编写并标注的最初的生物医学文献集合。这个语料库是为了发展和评估分子生物学信息检索及文本挖掘系统而创建的。这个语料库包含1999条Medline的摘要，这些摘要是由PubMed按照human、blood cells以及transcription factors三个医学主题词（medical subject heading terms ）为搜索条件搜索到的。这个语料库已经被按照不同级别的语言信息、语义信息进行标注。
NER数据集标注工具——Label Studio
weixin_45420890的博客
04-01 2789
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 9152
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 7927
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，...
两种NER数据集读取
Deeachain的博客
06-27 763
'''处理数据集''' # with open('train_data.txt', 'r') as f: # train_x = f.readlines() # with open('train_label.txt', 'r') as f: # train_y = f.readlines() # # with open('data.txt', 'w') as f: # for index_x, x in enumerate(train_x): # for index_
评论
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