jjzha/kompetencer

Kompetencer数据集是一个用于丹麦语招聘广告中细粒度技能分类的数据集，通过远程监督和迁移学习技术创建。数据集包含训练集778个句子，开发集346个句子，测试集262个句子。数据来源于STAR（house），并使用通用的BIO标签，标签键为`tags_skill`和`tags_knowledge`。

原始信息汇总

数据集概述

数据集名称

• Kompetencer

创建者

• Zhang, Mike
• Jensen, Kristian Nørgaard
• Plank, Barbara

出版信息

• 出版年份: 2022
• 会议: Proceedings of the Thirteenth Language Resources and Evaluation Conference
• 地点: Marseille, France
• 出版者: European Language Resources Association
• 论文标题: Kompetencer: Fine-grained Skill Classification in Danish Job Postings via Distant Supervision and Transfer Learning
• 论文链接: https://aclanthology.org/2022.lrec-1.46

数据集详情

• 语言: Danish (da)
• 许可证: CC-BY-4.0

数据集结构

• 样本数量:
  • 训练集: 778句
  • 开发集: 346句
  • 测试集: 262句
• 标签类型:
  • 通用BIO标签: 使用tags_skill和tags_knowledge作为键

数据示例

json { "idx": 1, "tokens": ["Du", "skal", "sætte", "dagsordenen", "være", "værdiskabende", "og", "levere", "skarpt", "fagligt", "og", "strategisk", "med-", "og", "modspil", "."], "tags_skill": ["O", "O", "B", "I", "B", "I", "O", "B", "I", "I", "I", "I", "I", "I", "I", "I"], "tags_knowledge": ["O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O"] }