Goader/ner-uk-2.0

该数据集包含多个特征，如文档ID、词汇序列、命名实体识别标签序列和数据来源。命名实体识别标签涵盖了组织、人名、地点、货币、百分比、日期、时间、时间段、职位、文档、数量、艺术品和其他杂项等类别。数据集分为训练集、验证集和测试集，分别包含10980、1206和5593个样本。

The dataset contains multiple features such as document ID, token sequences, named entity recognition tag sequences, and data source. The named entity recognition tags cover categories such as organizations, person names, locations, currencies, percentages, dates, times, periods, jobs, documents, quantities, artworks, and miscellaneous items. The dataset is divided into training, validation, and test sets, containing 10980, 1206, and 5593 samples respectively.

原始信息汇总

数据集概述

许可证

• 许可证类型：CC BY-NC-SA 4.0

数据集信息

特征

• document_id: 文档ID，数据类型为字符串。
• tokens: 文本标记序列，数据类型为字符串序列。
• ner_tags: 命名实体识别标签序列，数据类型为序列，包含以下类别标签：
  • 0: O
  • 1: B-ORG
  • 2: I-ORG
  • 3: B-PERS
  • 4: I-PERS
  • 5: B-LOC
  • 6: I-LOC
  • 7: B-MON
  • 8: I-MON
  • 9: B-PCT
  • 10: I-PCT
  • 11: B-DATE
  • 12: I-DATE
  • 13: B-TIME
  • 14: I-TIME
  • 15: B-PERIOD
  • 16: I-PERIOD
  • 17: B-JOB
  • 18: I-JOB
  • 19: B-DOC
  • 20: I-DOC
  • 21: B-QUANT
  • 22: I-QUANT
  • 23: B-ART
  • 24: I-ART
  • 25: B-MISC
  • 26: I-MISC
• source: 数据来源，数据类型为字符串。

数据集划分

• train: 训练集，包含10980个样本，大小为4426002字节。
• validation: 验证集，包含1206个样本，大小为472074字节。
• test: 测试集，包含5593个样本，大小为2307876字节。

数据集大小

• 下载大小：1855779字节
• 数据集总大小：7205952字节

配置

• config_name: default
  • data_files:
    • train: 路径为data/train-*
    • validation: 路径为data/validation-*
    • test: 路径为data/test-*