nkjp/nkjp-ner

NJKP NER数据集是一个用于命名实体识别任务的波兰语语言数据集。该数据集包含句子和目标标签，数据格式为TSV文件。数据集分为训练集、验证集和测试集，总共有约20,000个数据实例。数据集的创建目的是为了改进波兰语处理技术，适用于语言学研究和自然语言处理任务。数据集采用GNU GPL v.3许可证。

原始信息汇总

数据集卡片 NJKP NER

数据集描述

数据集摘要

NJKP NER 数据集是一个手动标注的波兰语子语料库，包含约100万词，用于命名实体识别任务。

支持的任务和排行榜

• 任务类别: 命名实体识别

语言

• 语言: 波兰语

数据集结构

数据实例

数据集包含两个TSV文件（训练集和验证集），每个文件有两列（句子，目标），以及一个测试文件，只有一列（句子）。

数据字段

• sentence: 字符串类型
• target: 类别标签类型，包含以下类别：
  • 0: geogName
  • 1: noEntity
  • 2: orgName
  • 3: persName
  • 4: placeName
  • 5: time

数据分割

• 训练集: 15794个样本，1612125字节
• 测试集: 2058个样本，221092字节
• 验证集: 1941个样本，196652字节

数据集创建

策划理由

该数据集是用于改进波兰语处理的九个评估任务之一。

源数据

• 初始数据收集和规范化: 需要更多信息
• 源语言生产者: 需要更多信息

标注

• 标注过程: 需要更多信息
• 标注者: 需要更多信息

个人和敏感信息

• 个人和敏感信息: 需要更多信息

使用数据的注意事项

数据集的社会影响

• 社会影响: 需要更多信息

偏见的讨论

• 偏见讨论: 需要更多信息

其他已知限制

• 已知限制: 需要更多信息

附加信息

数据集策展人

• 策展人: 需要更多信息

许可信息

• 许可: GNU GPL v.3

引用信息

@book{przepiorkowski2012narodowy, title={Narodowy korpus j{k{e}}zyka polskiego}, author={Przepi{o}rkowski, Adam}, year={2012}, publisher={Naukowe PWN} }

贡献

感谢 @abecadel 添加此数据集。