turkish-nlp-suite/turkish-wikiNER

Turkish-WikiNER数据集是一个从土耳其语维基百科句子中提取的命名实体识别（NER）数据集。该数据集包含20,000个句子，这些句子是从Kuzgunlar NER数据集中采样并重新标注的。数据集由Co-one公司进行标注，并用于新的spaCy土耳其语包中。数据集包含18种标签，数据分为训练集、验证集和测试集，分别为18000、1000和1000个实例。

原始信息汇总

数据集概述

• 名称: Turkish-WikiNER
• 语言: 土耳其语
• 许可证: CC-BY-SA-4.0
• 多语言性: 单语
• 大小: 10K<n<100K
• 任务类别: 令牌分类
• 任务ID: 命名实体识别
• 美观名称: Turkish-WikiNER

数据集详情

• 领域: 维基百科
• 标签数量: 18
• 数据来源: 从Kuzgunlar NER数据集抽样并重新标注的20,000个句子
• 标注机构: Co-one

数据集实例

• 示例结构: json { "tokens": ["词1", "词2", ...], "tags": ["标签1", "标签2", ...] }

标签列表

• CARDINAL
• DATE
• EVENT
• FAC
• GPE
• LANGUAGE
• LAW
• LOC
• MONEY
• NORP
• ORDINAL
• ORG
• PERCENT
• PERSON
• PRODUCT
• QUANTITY
• TIME
• TITLE
• WORK_OF_ART

数据分割

名称	训练	验证	测试
Turkish-WikiNER	18000	1000	1000

引用信息

• 支持: Google Developer Experts Program

• 引用文献: A Diverse Set of Freely Available Linguistic Resources for Turkish

• 引用格式:

  @inproceedings{altinok-2023-diverse, title = "A Diverse Set of Freely Available Linguistic Resources for {T}urkish", author = "Altinok, Duygu", booktitle = "Proceedings of the 61st Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers)", month = jul, year = "2023", address = "Toronto, Canada", publisher = "Association for Computational Linguistics", url = "https://aclanthology.org/2023.acl-long.768", pages = "13739--13750", abstract = "..." }