joelniklaus/greek_legal_ner

该数据集包含希腊法律文本的标注语料，用于命名实体识别任务。这是希腊语言中首个如此大规模的命名实体识别数据集，也是少数几个全面研究法律文本实体识别的数据集之一。数据集的语言为希腊语，格式为jsonl，包含训练、验证和测试三个数据分割。数据字段包括发布日期、政府公报类型、单词列表和命名实体标签列表。数据集的创建目的是为了希腊命名实体识别和实体链接。数据集的来源是希腊政府公报，标注工作由论文作者完成。数据集的使用需遵循Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License。

原始信息汇总

数据集概述

数据集名称

• 名称: Greek Legal Named Entity Recognition
• 别名: 希腊法律命名实体识别

数据集基本信息

• 语言: 希腊语 (el)
• 许可证: CC-BY-NC-SA-4.0
• 多语言性: 单语种
• 数据集大小: 10K<n<100K
• 源数据: 原始数据
• 任务类别: 令牌分类
• 任务ID: 命名实体识别
• 标签: 法律

数据集内容

• 描述: 该数据集包含一个用于希腊法律文本中命名实体识别的标注语料库。它是希腊语中首个此类扩展形式的数据集，也是少数全面研究法律文本实体识别的数据集之一。
• 支持任务: 命名实体识别
• 数据实例格式: jsonl
• 数据分割: 训练集、验证集和测试集

数据集结构

• 数据字段:
  • date: 文档发布日期
  • gazette: 政府公报类型（A或D）
  • words: 通过spacy希腊语分词器处理句子得到的令牌列表
  • ner: 命名实体标签列表，包括以下类别：
    • FACILITY
    • GPE
    • LEG-REFS
    • LOCATION-NAT
    • LOCATION-UNK
    • ORG
    • PERSON
    • PUBLIC-DOCS
    • O

数据分割详情

• 文档分割:
  • 训练集: 23723个文档
  • 验证集: 5478个文档
  • 测试集: 5084个文档
• NER标签分割:
  • 各标签在不同分割中的实例数量详细列出

数据集创建

• 创建理由: 创建一个大型希腊语命名实体识别和实体链接数据集
• 源数据: 希腊政府公报
• 标注者: 论文作者

许可证信息

• 许可证: Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License

引用信息

@inproceedings{Angelidis2018NamedER, author = {Angelidis, Iosif and Chalkidis, Ilias and Koubarakis, Manolis}, booktitle = {JURIX}, keywords = {greek,legal nlp,named entity recognition}, title = {{Named Entity Recognition, Linking and Generation for Greek Legislation}}, year = {2018} }