fewshot-goes-multilingual/cs_czech-court-decisions-ner

Czech Court Decisions NER数据集包含300个由捷克共和国最高法院和宪法法院发布的法院判决文件，标注了4种命名实体。每个样本包含文件名、文本内容以及实体列表，实体列表包括类别ID、类别名称、起始位置、结束位置、实体内容、实体ID和引用信息。数据集是从现有的捷克法院判决数据集预处理而来，去除了泄露的XML标签，并由捷克母语者添加了类别名称。数据集适用于命名实体识别任务，主要用于捷克语的文本处理。

原始信息汇总

数据集概述

基本信息

• 名称: Czech Court Decisions NER
• 语言: 捷克语
• 许可证: CC-BY-NC-SA-4.0
• 多语言性: 单语种
• 大小: 小于1000条
• 来源: 原始数据
• 标签: 捷克NER, 法院判决
• 任务类别: 词元分类
• 任务ID: 命名实体识别

数据集描述

Czech Court Decisions NER 包含300份由捷克共和国最高法院和宪法法院发布的法院判决。文档中选取了4种类型的命名实体。

数据集特征

每个样本包含以下特征:

• filename: 原始数据集中的文件名
• text: 法院判决文档的纯文本
• entities: 选定的实体列表，每个实体包含:
  • category_id: 实体类别的整数标识符
  • category_str: 捷克语中的人类友好类别名称
  • start: 实体在源文本中开始位置的索引
  • end: 实体在源文本中结束位置的索引
  • content: 实体内容，由text[start:end]创建
  • entity_id: 唯一的实体字符串标识符
  • refers_to: 某些实体（主要是Reference na rozhodnutí soudu类别）指向特定的其他实体，refers_to属性包含所引用实体的entity_id

实体类别

识别的实体类别包括:

• 0: Soudní instituce
• 1: Reference na rozhodnutí soudu
• 2: Účinnost
• 3: Reference zákonu

数据集来源

该数据集是对现有捷克法院判决数据集的预处理适应版本，包含几乎相同的数据，但转换为方便的格式，并去除了文本中的泄露的xml-like标签。类别名称（verbalizers）由捷克语母语者添加。

引用

引用原始数据集的作者: bibtex @misc{11234/1-2853, title = {Czech Court Decisions Dataset}, author = {Kr{{i}}{v z}, Vincent and Hladk{a}, Barbora}, url = {http://hdl.handle.net/11234/1-2853}, note = {{LINDAT}/{CLARIAH}-{CZ} digital library at the Institute of Formal and Applied Linguistics ({{U}FAL}), Faculty of Mathematics and Physics, Charles University}, copyright = {Creative Commons - Attribution-{NonCommercial}-{ShareAlike} 4.0 International ({CC} {BY}-{NC}-{SA} 4.0)}, year = {2014} }

搜集汇总

背景与挑战

背景概述

该数据集是一个捷克语命名实体识别数据集，包含300个捷克最高法院和宪法法院的判决文件，标注了4种命名实体。它由现有数据集预处理而来，去除了XML标签并由母语者添加类别名称，专门用于捷克语的文本处理和NER任务。