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。The Czech Court Decisions NER Dataset comprises 300 court judgment documents issued by the Supreme Court and Constitutional Court of the Czech Republic, annotated with four types of named entities. Each sample includes the file name, text content, and an entity list, which covers category ID, category name, start position, end position, entity content, entity ID, and citation information. The dataset is preprocessed from an existing Czech court judgment dataset, with leaked XML tags removed, and category names added by native Czech speakers. It is suitable for named entity recognition tasks and is primarily used for Czech-language text processing.

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。