toy_msra

# MSRA命名实体识别数据集
## 数据集概述
MSRA数据集是面向新闻领域的中文命名实体识别数据集。数据集不完整，仅供测试使用。

### 数据集简介
本数据集包括训练集（46364）、测试集（4365），实体类型包括地名(LOC)、人名(NAME)、组织名(ORG)。

### 数据集的格式和结构
数据格式采用conll标准，数据分为两列，第一列是输入句中的词划分，第二列是每个词对应的命名实体类型标签。一个具体case的例子如下：

```
１ O
９ O
９ O
７ O
年 O
１ O
１ O
月 O
１ O
日 O

（ O
新 B-ORG
华 I-ORG
社 I-ORG
北 B-LOC
京 I-LOC
１ O
１ O
月 O
１ O
日 O
电 O
） O

```

## 数据集版权信息

Creative Commons Attribution 4.0 International。

## 引用方式
```
@inproceedings{levow-2006-third,
title = "The Third International {C}hinese Language Processing Bakeoff: Word Segmentation and Named Entity Recognition",
author = "Levow, Gina-Anne",
booktitle = "Proceedings of the Fifth {SIGHAN} Workshop on {C}hinese Language Processing",
month = jul,
year = "2006",
address = "Sydney, Australia",
publisher = "Association for Computational Linguistics",
url = "https://aclanthology.org/W06-0115",
pages = "108--117",
}
```

# MSRA命名实体识别数据集
## 数据集概述
MSRA数据集为面向新闻领域的中文命名实体识别（Named Entity Recognition, NER）数据集，该数据集并不完整，仅可用于测试场景。

### 数据集简介
本数据集包含训练集（46364条）、测试集（4365条），实体类型涵盖地名（LOC, Location）、人名（NAME, Person Name）、组织名（ORG, Organization）。

### 数据集的格式和结构
数据格式采用CoNLL（Conference on Computational Natural Language Learning）标准，数据集分为两列：第一列为输入语句的分词结果，第二列为各分词对应的命名实体类型标签。以下为一个具体示例：

１ O
９ O
９ O
７ O
年 O
１ O
１ O
月 O
１ O
日 O

（ O
新 B-ORG
华 I-ORG
社 I-ORG
北 B-LOC
京 I-LOC
１ O
１ O
月 O
１ O
日 O
电 O
） O

## 数据集版权信息
知识共享署名4.0国际许可协议（Creative Commons Attribution 4.0 International）。

## 引用方式

@inproceedings{levow-2006-third,
title = "The Third International {C}hinese Language Processing Bakeoff: Word Segmentation and Named Entity Recognition",
author = "Levow, Gina-Anne",
booktitle = "Proceedings of the Fifth {SIGHAN} Workshop on {C}hinese Language Processing",
month = jul,
year = "2006",
address = "Sydney, Australia",
publisher = "Association for Computational Linguistics",
url = "https://aclanthology.org/W06-0115",
pages = "108--117",
}