classla/reldi_sr
收藏Hugging Face2022-10-25 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/classla/reldi_sr
下载链接
链接失效反馈官方服务：
资源简介：
该数据集基于3,748条塞尔维亚推文，这些推文被分割成句子和词汇，并标注了规范化形式、词元、MULTEXT-East标签（XPOS）、UPOS标签和形态特征，以及命名实体。数据集包含5462个训练样本（句子）、711个验证样本和725个测试样本。每个样本代表一个句子，并包含以下特征：句子ID（sent_id）、词汇列表（tokens）、规范化词汇列表（norms）、词元列表（lemmas）、UPOS标签列表（upos_tags）、MULTEXT-East标签列表（xpos_tags）、形态特征列表（feats）和命名实体IOB标签列表（iob_tags），这些标签被编码为类别标签。
提供机构：
classla
原始信息汇总
数据集概述
基本信息
- 语言: 塞尔维亚语 (sr)
- 许可证: 知识共享署名-相同方式共享 4.0 国际 (cc-by-sa-4.0)
- 任务类别: 其他
- 任务ID:
- 词形还原
- 命名实体识别
- 词性标注
- 标签:
- 结构预测
- 规范化
- 分词
数据集内容
- 数据来源: 3,748条塞尔维亚语推文
- 处理步骤: 分句、分词，并标注规范化形式、词形、MULTEXT-East标签（XPOS）、UPOS标签、形态特征及命名实体。
- 样本数量:
- 训练集: 5462个样本（句子）
- 验证集: 711个样本
- 测试集: 725个样本
样本特征
- 每个样本包含以下特征:
- 句子ID (sent_id)
- 分词列表 (tokens)
- 规范化分词列表 (norms)
- 词形列表 (lemmas)
- UPOS标签列表 (upos_tags)
- MULTEXT-East标签列表 (xpos_tags)
- 形态特征列表 (feats)
- 命名实体IOB标签列表 (iob_tags)，编码为类别标签
