conll2000

CoNLL-2000旨在将文本划分为在语法上相关的词语部分，用于组块分析任务，是CoNLL-2000的共享任务。它包含从华尔街日报语料库（WSJ）中划分的数据，其中训练数据包含8937个样本，测试数据包含2013个样本。每个样本包括id、tokens、词性标签（pos_tags）和组块标签（chunk_tags）等字段。CoNLL-2000提供文本组块分析所需的数据，但关于数据的来源、标注过程、授权许可等详细信息缺失。

搜集汇总

背景与挑战

背景概述

CoNLL-2000是一个用于组块分析任务的数据集，旨在将文本划分为语法相关的词语部分。它基于华尔街日报语料库（WSJ），包含8937个训练样本和2013个测试样本，每个样本提供tokens、词性标签和组块标签。数据标注通过自动化程序从WSJ语料库派生，适用于自然语言处理中的组块分析研究。