tollefj/nordic-ner

该数据集由四个子数据集组成：`wikiann`、`norne`、`dane`和`KBLab/sucx3_ner`，用于命名实体识别（NER）任务。数据集包含训练集、验证集和测试集，每个部分都包含文本序列（`tokens`）和命名实体标签序列（`ner_tags`）。标签使用整数编码，表示不同的实体类型，如人名（PER）、组织名（ORG）、地点（LOC）等。数据集还提供了不同子数据集的标签映射关系，确保标签在不同数据集之间的一致性。

原始信息汇总

数据集概述

数据集特征

• tokens: 字符串序列
• ner_tags: 整数序列
• dataset: 字符串类型

数据集分割

• 训练集:
  • 大小: 38152132字节
  • 样本数: 161379
• 验证集:
  • 大小: 10359916字节
  • 样本数: 48470
• 测试集:
  • 大小: 11040741字节
  • 样本数: 50498

数据集大小

• 下载大小: 15450325字节
• 总大小: 59552789字节

配置信息

• 默认配置:
  • 训练集路径: data/train-*
  • 验证集路径: data/validation-*
  • 测试集路径: data/test-*

标签映射

• norne: 映射规则详细定义了从原始标签到BIO-scheme的转换。
• KBLab/sucx3_ner: 映射规则详细定义了从原始标签到BIO-scheme的转换。