Resume命名实体识别数据集

# Resume命名实体识别数据集

## 数据集概述
Resume数据集是面向简历的中文命名实体识别数据集。

### 数据集简介
本数据集包括训练集（3821）、验证集（463）、测试集（477），实体类型包括国籍(CONT)、教育背景(EDU)、地名(LOC)、人名(NAME)、组织名(ORG)、专业(PRO)、民族(RACE)、职称(TITLE)。

### 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
7 O
0 O
年 O
出 O
生 O
， O
经 B-PRO
济 I-PRO
学 I-PRO
硕 B-EDU
士 I-EDU
， O
注 B-TITLE
册 I-TITLE
会 I-TITLE
计 I-TITLE
师 I-TITLE
、 O
注 B-TITLE
册 I-TITLE
税 I-TITLE
务 I-TITLE
师 I-TITLE
。 O

```

## 数据集版权信息

Creative Commons Attribution 4.0 International。

## 引用方式
```bib
@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",
}
```

# 简历（Resume）命名实体识别数据集

## 数据集概述
简历（Resume）数据集是面向中文简历的命名实体识别（Named Entity Recognition, NER）数据集。

### 数据集简介
本数据集包含训练集（3821条）、验证集（463条）、测试集（477条），实体类型涵盖国籍（CONT）、教育背景（EDU）、地名（LOC）、人名（NAME）、组织名（ORG）、专业（PRO）、民族（RACE）、职称（TITLE）。

### 数据集的格式与结构
数据格式采用CoNLL标准，数据集分为两列：第一列为输入语句的分词结果，第二列为对应每个分词的命名实体类型标签。具体示例如下：

1 O
9 O
7 O
0 O
年 O
出 O
生 O
， O
经 B-PRO
济 I-PRO
学 I-PRO
硕 B-EDU
士 I-EDU
， O
注 B-TITLE
册 I-TITLE
会 I-TITLE
计 I-TITLE
师 I-TITLE
、 O
注 B-TITLE
册 I-TITLE
税 I-TITLE
务 I-TITLE
师 I-TITLE
。 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
bib
@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",
}

搜集汇总

背景与挑战

背景概述

该数据集是一个专门用于中文简历命名实体识别（NER）的数据集，包含训练集（3821条）、验证集（463条）和测试集（477条），标注了国籍、教育背景、地点、姓名、组织、职业、民族和职称等8种实体类型。数据格式遵循conll标准，以分词和对应实体标签的两列形式组织，适用于简历文本的实体识别任务研究与应用。