rjac/kaggle-entity-annotated-corpus-ner-dataset

该数据集是一个用于命名实体识别（NER）的注释语料库，源自Groningen Meaning Bank（GMB）语料库。它包含多种类型的命名实体，如人名、地名和组织名，并带有特定的标签。数据集已修改以匹配CoNLL-2003数据集的结构。数据集的许可证是开放数据库许可证（ODbL）。

原始信息汇总

数据集概述

基本信息

• 日期: 2022-07-10
• 文件: ner_dataset.csv
• 来源: Kaggle entity annotated corpus
• 许可证: odbl

数据集内容

• 描述: 该数据集是从GMB(Groningen Meaning Bank)提取并经过标注，用于训练命名实体识别的分类器。
• 实体类型及数量:
  • O: 1146068
  • geo-nam: 58388
  • org-nam: 48034
  • per-nam: 23790
  • gpe-nam: 20680
  • tim-dat: 12786
  • tim-dow: 11404
  • per-tit: 9800
  • per-fam: 8152
  • tim-yoc: 5290
  • tim-moy: 4262
  • per-giv: 2413
  • tim-clo: 891
  • art-nam: 866
  • eve-nam: 602
  • nat-nam: 300
  • tim-nam: 146
  • eve-ord: 107
  • per-ini: 60
  • org-leg: 60
  • per-ord: 38
  • tim-dom: 10
  • per-mid: 1
  • art-add: 1

实体类型解释

• geo: 地理实体
• org: 组织
• per: 人物
• gpe: 地缘政治实体
• tim: 时间指示器
• art: 人工制品
• eve: 事件
• nat: 自然现象

数据集修改

• 修改: ner_dataset.csv 被修改以具有与 CoNLL-2003 数据集 相似的数据结构。

目标数据列

• 列名: "tag" (在当前仓库中为 ner_tag)