xusenlin/clue-ner

CLUE-NER是一个用于命名实体识别任务的中文数据集。数据集包含文本和实体信息，实体信息包括实体的ID、实体字符串、实体的起始和结束位置以及实体的标签。数据集分为训练集、测试集和验证集，分别包含10748、1345和1343个样本。数据集的总大小为2906954字节，下载大小为1658426字节。数据集的语言为中文，标签为命名实体识别，许可证为Apache-2.0。

原始信息汇总

数据集概述

数据集基本信息

• 名称: CLUE-NER 命名实体识别数据集
• 语言: 中文 (zh)
• 标签: 命名实体识别
• 许可证: Apache-2.0

数据集特征

• text (字符串类型): 文本内容
• entities (列表类型): 文本中包含的实体信息
  • id (整数类型): 实体 id
  • entity (字符串类型): 实体对应的字符串
  • start_offset (整数类型): 实体开始位置
  • end_offset (整数类型): 实体结束位置的下一位
  • label (字符串类型): 实体对应的开始位置

数据集分割

• 训练集
  • 样本数量: 10748
  • 数据大小: 2443356 字节
• 测试集
  • 样本数量: 1345
  • 数据大小: 154492 字节
• 验证集
  • 样本数量: 1343
  • 数据大小: 309106 字节

数据集大小

• 下载大小: 1658426 字节
• 数据集总大小: 2906954 字节