YahooNews

NIAID Data Ecosystem2026-05-02 收录

新闻文本挖掘

信息抽取

数据链接：

https://doi.org/10.7910/DVN/HLGHKI 数据链接链接失效反馈

官方服务：

资源简介：

Raw HTML data of YahooNews Project. Updated everyday through dataverse API.

创建时间：

2024-09-09

OPIEC

信息抽取

知识库构建

OPIEC是一个从英文维基百科全文中提取的大型开放信息抽取语料库，由德国曼海姆大学创建。该数据集包含超过3.4亿个三元组，是迄今为止公开可用的最大的OIE语料库。OPIEC不仅数据量大，还包含丰富的元数据信息，如来源信息、置信度评分、语言标注和语义标注，包括空间和时间信息。这些数据对于下游任务如知识库构建、开放式问答或事件模式归纳非常有价值。OPIEC的创建过程涉及使用Stanford CoreN

arXiv2019-04-28 更新380

BenchIEFL

信息抽取

自然语言处理

BenchIEFL是由蒙特利尔大学的RALI实验室创建的一个用于开放信息抽取（OIE）的新基准数据集。该数据集通过重新注释BenchIE数据集，修正了常见错误和不一致性，提高了注释的精确性和相关性。BenchIEFL包含新的匹配函数，能更灵活地捕捉有效抽取，从而产生更公平的系统评估排名。数据集主要用于评估OIE系统在下游任务中的性能，如问答和文本理解，旨在通过提供更高质量的基准来推动OIE技术的发

arXiv2024-07-24 更新100

shktty/CTREL

网络安全

信息抽取

该数据集专注于网络威胁情报领域，旨在支持信息抽取任务，帮助识别和分析网络威胁相关的数据。

Hugging Face2024-12-09 更新70

pie/brat

自然语言处理

信息抽取

BRAT数据集是一个用于自然语言处理任务的数据集，提供了两种变体：`default`和`merge_fragmented_spans`。`default`变体使用`BratDocument`文档类型，包含`LabeledMultiSpan`注释；`merge_fragmented_spans`变体使用`BratDocumentWithMergedSpans`文档类型，将分散的`LabeledMul

Hugging Face2024-01-03 更新210

flammenai/Phoenix-SFT-v1

对话记忆提取

信息抽取

Phoenix v1 — 记忆提取数据集是一个用于生成结构化记忆数据的合成数据集，旨在支持AI角色（称为“Flame”）在异步对话中的长期连续性。数据集包含多种语言的对话转录，任务是将这些对话转换为结构化的JSON记忆列表。记忆分为多个类别，如事实、偏好、关系、事件和情感。数据集分为训练集（1728个示例）和评估集（170个示例），并详细描述了数据的生成流程、质量控制机制和局限性。

Hugging Face2026-05-09 更新80

YahooNews

资源简介：

相关数据集