tner/fin

---
language:
- en
license:
- mit
multilinguality:
- monolingual
size_categories:
- 1K<n<10K
task_categories:
- token-classification
task_ids:
- named-entity-recognition
pretty_name: FIN
---

# Dataset Card for "tner/fin"

## Dataset Description

- **Repository:** [T-NER](https://github.com/asahi417/tner)
- **Paper:** [https://aclanthology.org/U15-1010.pdf](https://aclanthology.org/U15-1010.pdf)
- **Dataset:** FIN
- **Domain:** Financial News
- **Number of Entity:** 4

### Dataset Summary
FIN NER dataset formatted in a part of [TNER](https://github.com/asahi417/tner) project.
FIN dataset contains training (FIN5) and test (FIN3) only, so we randomly sample a half size of test instances from the training set to create validation set.

- Entity Types: `ORG`, `LOC`, `PER`, `MISC`

## Dataset Structure

### Data Instances
An example of `train` looks as follows.

```
{
"tags": [0, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
"tokens": ["1", ".", "1", ".", "4", "Borrower", "engages", "in", "criminal", "conduct", "or", "is", "involved", "in", "criminal", "activities", ";"]
}
```

### Label ID
The label2id dictionary can be found at [here](https://huggingface.co/datasets/tner/fin/raw/main/dataset/label.json).
```python
{
"O": 0,
"B-PER": 1,
"B-LOC": 2,
"B-ORG": 3,
"B-MISC": 4,
"I-PER": 5,
"I-LOC": 6,
"I-ORG": 7,
"I-MISC": 8
}
```

### Data Splits

| name |train|validation|test|
|---------|----:|---------:|---:|
|fin |1014 | 303| 150|

### Citation Information

```
@inproceedings{salinas-alvarado-etal-2015-domain,
title = "Domain Adaption of Named Entity Recognition to Support Credit Risk Assessment",
author = "Salinas Alvarado, Julio Cesar and
Verspoor, Karin and
Baldwin, Timothy",
booktitle = "Proceedings of the Australasian Language Technology Association Workshop 2015",
month = dec,
year = "2015",
address = "Parramatta, Australia",
url = "https://aclanthology.org/U15-1010",
pages = "84--90",
}
```

---
语言：
- 英语
许可证：
- MIT协议
多语言属性：
- 单语言
样本量范围：
- 1000 < 样本数 < 10000
任务类别：
- Token分类（Token Classification）
任务子类型：
- 命名实体识别（Named Entity Recognition，NER）
简称：FIN
---

# "tner/fin" 数据集卡片

## 数据集说明

- **代码仓库**：[T-NER](https://github.com/asahi417/tner)
- **相关论文**：[https://aclanthology.org/U15-1010.pdf](https://aclanthology.org/U15-1010.pdf)
- **数据集名称**：FIN
- **应用领域**：金融新闻
- **实体类别数**：4

### 数据集概览
FIN命名实体识别（NER）数据集是[T-NER](https://github.com/asahi417/tner)项目的一部分，采用该项目的标准格式整理。原始FIN数据集仅包含训练集（FIN5）与测试集（FIN3），因此我们从训练集中随机采样半数样本作为验证集。

- **实体类型**：组织（Organization，ORG）、地点（Location，LOC）、人物（Person，PER）、其他实体（Miscellaneous，MISC）

## 数据集结构

### 数据样例
训练集的一条样例格式如下：
json
{
"tags": [0, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
"tokens": ["1", ".", "1", ".", "4", "Borrower", "engages", "in", "criminal", "conduct", "or", "is", "involved", "in", "criminal", "activities", ";"]
}

### 标签映射
标签与ID的对应字典可参见[此处](https://huggingface.co/datasets/tner/fin/raw/main/dataset/label.json)：
python
{
"O": 0,
"B-PER": 1,
"B-LOC": 2,
"B-ORG": 3,
"B-MISC": 4,
"I-PER": 5,
"I-LOC": 6,
"I-ORG": 7,
"I-MISC": 8
}

其中，`O`表示非实体标记，`B-*`表示对应实体的起始位置，`I-*`表示对应实体的内部位置。

### 数据划分
各数据集划分的样本量如下：

| 数据集名称 | 训练集样本数 | 验证集样本数 | 测试集样本数 |
|----------|------------:|------------:|------------:|
| fin | 1014 | 303 | 150 |

### 引用信息
bibtex
@inproceedings{salinas-alvarado-etal-2015-domain,
title = "Domain Adaption of Named Entity Recognition to Support Credit Risk Assessment",
author = "Salinas Alvarado, Julio Cesar and
Verspoor, Karin and
Baldwin, Timothy",
booktitle = "Proceedings of the Australasian Language Technology Association Workshop 2015",
month = dec,
year = "2015",
address = "Parramatta, Australia",
url = "https://aclanthology.org/U15-1010",
pages = "84--90",
}

该论文标题可译为《面向信用风险评估的命名实体识别领域自适应》，会议名称可译为《2015年澳大利亚语言技术协会研讨会论文集》。

原始信息汇总

数据集概述

数据集基本信息

• 名称: FIN
• 语言: 英语
• 许可证: MIT
• 多语言性: 单语种
• 大小: 1K<n<10K
• 任务类别: 令牌分类
• 任务ID: 命名实体识别
• 领域: 金融新闻
• 实体数量: 4

数据集详细描述

数据集概要

FIN NER数据集是TNER项目的一部分，包含训练集(FIN5)和测试集(FIN3)。为了创建验证集，从训练集中随机抽取了一半的测试实例。

• 实体类型: ORG, LOC, PER, MISC

数据集结构

数据实例

训练集的一个示例：

{ "tags": [0, 0, 0, 0, 0, 3, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], "tokens": ["1", ".", "1", ".", "4", "Borrower", "engages", "in", "criminal", "conduct", "or", "is", "involved", "in", "criminal", "activities", ";"] }

标签ID

标签到ID的映射可在此处找到。 python { "O": 0, "B-PER": 1, "B-LOC": 2, "B-ORG": 3, "B-MISC": 4, "I-PER": 5, "I-LOC": 6, "I-ORG": 7, "I-MISC": 8 }

数据分割

名称	训练	验证	测试
fin	1014	303	150

引用信息

@inproceedings{salinas-alvarado-etal-2015-domain, title = "Domain Adaption of Named Entity Recognition to Support Credit Risk Assessment", author = "Salinas Alvarado, Julio Cesar and Verspoor, Karin and Baldwin, Timothy", booktitle = "Proceedings of the Australasian Language Technology Association Workshop 2015", month = dec, year = "2015", address = "Parramatta, Australia", url = "https://aclanthology.org/U15-1010", pages = "84--90", }

搜集汇总

背景与挑战

背景概述

该数据集是一个金融领域的命名实体识别数据集，包含四种实体类型（ORG、LOC、PER、MISC），规模适中（1K-10K），适用于训练和评估NER模型。