indic languages NER

kaggle2023-01-16 更新2024-03-11 收录

下载链接：

https://www.kaggle.com/datasets/trions/indic-languages

下载链接

链接失效反馈

官方服务：

资源简介：

创建时间：

2023-01-16

language-ner

该数据集是一个多语言标记分类数据集，包含398万训练样本和2万验证样本。数据集包含原始文本、输入ID、注意力掩码和标签四个主要字段，支持100多种语言的文本处理。数据以CC协议开源，适用于语言识别、标记分类等自然语言处理任务。各语言样本分布均衡，其中英语（1.94%）、中文（1.64%）、日语（1.59%）、俄语（1.58%）和法语（1.54%）等主要语言占比较高，同时包含大量低资源语言样本。标签

Hugging Face2026-04-14 更新30

Dataset of Uzbek language NER (3000+)

As part of the study, an annotated corpus of the Uzbek language was created for training and evaluating named entity recognition models. The corpus includes 3,053 sentences (34911 words) collected fro

NIAID Data Ecosystem00

Nepali Abusive Language NER and Sentiment Analysis

kaggle2023-11-15 更新00

Annotated NER for Indian language

This dataset will contain Annotated NER data for multiple languages

kaggle2020-09-24 更新60

Indic Languages

Multilingual Speech Dataset in Indic Languages

kaggle2022-12-11 更新80