avramandrei/histnero

HistNERo数据集是一个历史罗马尼亚语命名实体识别数据集，包含10,026个句子（即8,020个训练集、1,003个验证集和1,003个测试集），每个句子都标注了五种命名实体：PERSON（人物）、ORGANIZATION（组织）、LOCATION（地点）、PRODUCT（产品）和DATE（日期）。数据集的每个样本包含id、ner_tags、tokens、doc_id和region等特征。数据集的任务类别是token-classification，语言是罗马尼亚语，标签包括ner、history和romanian，大小类别为10K<n<100K。

原始信息汇总

数据集概述

数据集名称

• HistNERo

数据集描述

• 包含10,026个句子，分为训练集（8,020个样本）、验证集（1,003个样本）和测试集（1,003个样本），用于历史罗马尼亚语的命名实体识别。

数据集特征

• id: 字符串类型
• ner_tags: 序列类型，包含以下类别：
  • 0: O
  • 1: B-PERS
  • 2: I-PERS
  • 3: B-ORG
  • 4: I-ORG
  • 5: B-LOC
  • 6: I-LOC
  • 7: B-PROD
  • 8: I-PROD
  • 9: B-DATE
  • 10: I-DATE
• tokens: 字符串序列类型
• doc_id: 字符串类型
• region: 字符串类型

数据集划分

• 训练集: 8020个样本，大小为4446694.039497307字节
• 测试集: 1003个样本，大小为556113.9802513465字节
• 验证集: 1003个样本，大小为556113.9802513465字节

数据集大小

• 下载大小: 1458677字节
• 数据集大小: 5558922字节

任务类别

• 令牌分类

语言

• 罗马尼亚语

标签

• ner
• history
• romanian

大小类别

• 10K<n<100K