doushabao4766/weibo_ner_knowledge_V3_wc_bioes

该数据集是一个用于命名实体识别（NER）任务的数据集，包含了微博文本中的实体标注信息。数据集中的每个样本包含id、tokens、ner_tags、knowledge、token_words和knowledge_words等字段。ner_tags字段标注了文本中的实体类型，包括人名、地名、组织名等多种实体类别。数据集分为训练集、测试集和验证集，分别包含1350、270和270个样本。数据集的下载大小为2406555字节，总大小为9251729字节。

原始信息汇总

数据集概述

数据集名称

weibo_ner_knowledge_V3_wc_bioes

数据集特征

• id: 字符串类型
• tokens: 字符串序列类型
• ner_tags: 字符串序列类型，包含以下类别标签：
  • 0: O
  • 1: B-PER.NOM
  • 2: B-LOC.NAM
  • 3: B-PER.NAM
  • 4: B-GPE.NAM
  • 5: B-ORG.NAM
  • 6: B-ORG.NOM
  • 7: B-LOC.NOM
  • 8: B-GPE.NOM
  • 9: I-PER.NAM
  • 10: I-ORG.NAM
  • 11: I-PER.NOM
  • 12: I-ORG.NOM
  • 13: I-LOC.NAM
  • 14: I-LOC.NOM
  • 15: I-GPE.NAM
  • 16: E-PER.NOM
  • 17: E-LOC.NAM
  • 18: E-PER.NAM
  • 19: E-GPE.NAM
  • 20: E-ORG.NAM
  • 21: E-ORG.NOM
  • 22: E-LOC.NOM
  • 23: E-GPE.NOM
  • 24: S-PER.NOM
  • 25: S-GPE.NAM
  • 26: S-PER.NAM
  • 27: S-LOC.NOM
• knowledge: 字符串类型
• token_words: 字符串序列类型
• knowledge_words: 字符串序列类型

数据集分割

• train: 1350个样本，大小为7027512字节
• test: 270个样本，大小为1107689字节
• validation: 270个样本，大小为1116528字节

数据集大小

• 下载大小: 2406555字节
• 数据集总大小: 9251729字节

搜集汇总

背景与挑战

背景概述

该数据集是一个中文微博命名实体识别数据集，包含1,890条样本，已划分为训练集、验证集和测试集。数据集特点在于不仅提供了字符级别的tokens和对应的ner_tags标注（可能采用BIOES方案），还包含了与实体相关的知识（knowledge）文本，用于增强实体语义理解。