MasakhaNER

MasakhaNER 是 10 种不同非洲语言的命名实体识别 (NER) 数据集的集合。该存储库包含用于训练 NER 模型的代码、用于分析 NER 模型预测的脚本以及下面列出的所有 10 种语言的 NER 数据集。形成该数据集的语言是：阿姆哈拉语、豪萨语、伊博语、基尼亚卢旺达语、卢干达语、罗语、尼日利亚语-洋泾浜语、斯瓦希里语、沃洛夫语和约鲁巴语。

MasakhaNER is a collection of named entity recognition (NER) datasets for 10 distinct African languages. This repository contains code for training NER models, scripts for analyzing NER model predictions, as well as the NER datasets for all 10 languages listed below. The languages that comprise this dataset are: Amharic, Hausa, Igbo, Kinyarwanda, Luganda, Luo, Nigerian Pidgin, Swahili, Wolof, and Yoruba.

搜集汇总

背景与挑战

背景概述

MasakhaNER是一个针对10种非洲语言的大规模公开命名实体识别数据集，由乔治梅森大学于2021年发布，旨在推动非洲自然语言处理研究。该数据集包含阿姆哈拉语、豪萨语等多种语言的高质量标注数据，支持NER模型的训练与评估。