tner/conll2003

CoNLL-2003 NER数据集是一个用于命名实体识别任务的数据集，主要来源于新闻领域。该数据集包含四种实体类型：ORG（组织）、PER（人名）、LOC（地点）和MISC（其他）。数据集的结构包括训练集、验证集和测试集，分别包含14041、3250和3453个样本。数据集的版权归Reuters Ltd和/或Thomson Reuters所有，使用时需要签署相关协议。

原始信息汇总

数据集概述

数据集基本信息

• 名称: CoNLL-2003
• 语言: 英语
• 许可证: 其他
• 多语言性: 单语
• 大小: 10K<n<100K
• 任务类别: 词元分类
• 任务ID: 命名实体识别
• 美观名称: CoNLL-2003

数据集详细描述

• 领域: 新闻
• 实体数量: 3
• 实体类型: ORG, PER, LOC, MISC

数据集结构

数据实例

json { tags: [SOCCER,-, JAPAN, GET, LUCKY, WIN, ,, CHINA, IN, SURPRISE, DEFEAT, .], tokens: [0, 0, 5, 0, 0, 0, 0, 3, 0, 0, 0, 0] }

标签ID

python { "O": 0, "B-ORG": 1, "B-MISC": 2, "B-PER": 3, "I-PER": 4, "B-LOC": 5, "I-ORG": 6, "I-MISC": 7, "I-LOC": 8 }

数据分割

名称	训练	验证	测试
conll2003	14041	3250	3453

许可证信息

数据集的版权信息来源于CoNLL2003 shared task页面，具体版权协议需通过Organizational agreement和Individual agreement了解。

引用信息

bibtex @inproceedings{tjong-kim-sang-de-meulder-2003-introduction, title = "Introduction to the {C}o{NLL}-2003 Shared Task: Language-Independent Named Entity Recognition", author = "Tjong Kim Sang, Erik F. and De Meulder, Fien", booktitle = "Proceedings of the Seventh Conference on Natural Language Learning at {HLT}-{NAACL} 2003", year = "2003", url = "https://www.aclweb.org/anthology/W03-0419", pages = "142--147", }