ZurichNLP/swissner

SwissNER是一个用于命名实体识别的多语言测试集，基于瑞士标准德语、法语、意大利语和罗曼什语的新闻文章。我们手动注释了2023年2月发表在以下在线新闻门户网站上的“瑞士”或“区域”类别中的文章：瑞士标准德语（srf.ch）、法语（rts.ch）、意大利语（rsi.ch）和罗曼什语（rtr.ch）。对于每篇文章，我们提取了导语段落后的前两段，并按照CoNLL-2002和2003共享任务的指南注释了人名、组织名、地名和其他实体。注释由单一注释者完成。

原始信息汇总

数据集概述

基本信息

• 名称: SwissNER
• 语言: 德语 (de), 法语 (fr), 意大利语 (it), 罗曼什语 (rm)
• 多语言性: 多语言
• 任务类别: 令牌分类
• 任务ID: 命名实体识别
• 大小类别: 小于1K

数据集结构

• 特征:
  • tokens: 字符串序列
  • ner_tags: 字符串序列
  • url: 字符串类型
• 分割:
  • test_de: 200个示例, 164433字节
  • test_fr: 200个示例, 186036字节
  • test_it: 200个示例, 197513字节
  • test_rm: 200个示例, 206644字节
• 下载大小: 220352字节
• 数据集大小: 754626字节

许可证

• 文本段落: 瑞士广播公司 (SRG SSR) 版权所有
• 注释: 知识共享署名4.0国际许可 (CC BY 4.0)

统计数据

	DE	FR	IT	RM	总计
段落数	200	200	200	200	800
令牌数	9498	11434	12423	13356	46711
实体数	479	475	556	591	2101
– PER	104	92	93	118	407
– ORG	193	216	266	227	902
– LOC	182	167	197	246	792
– MISC	113	79	88	39	319

引用信息

bibtex @inproceedings{vamvas-etal-2023-swissbert, title = "{S}wiss{BERT}: The Multilingual Language Model for {S}witzerland", author = {Vamvas, Jannis and Gra{"e}n, Johannes and Sennrich, Rico}, editor = {Ghorbel, Hatem and Sokhn, Maria and Cieliebak, Mark and H{"u}rlimann, Manuela and de Salis, Emmanuel and Guerne, Jonathan}, booktitle = "Proceedings of the 8th edition of the Swiss Text Analytics Conference", month = jun, year = "2023", address = "Neuchatel, Switzerland", publisher = "Association for Computational Linguistics", url = "https://aclanthology.org/2023.swisstext-1.6", pages = "54--69", }