Resume_NER

displayName: Resume NER labelTypes: - Chinese Corpus license: - MIT mediaTypes: - Text paperUrl: https://arxiv.org/pdf/1805.02023v4.pdf publishDate: "2018" publishUrl: https://github.com/singhsourabh/Resume-NER publisher: - Singapore University of Technology and Design tags: - Entity taskTypes: - Chinese Named Entity Recognition --- # 数据集介绍 ## 简介 简历包含八个细粒度的实体类别——分数从 74.5% 到 86.88%。 ## 类定义 null ## 引文 ``` @article{zhang2018chinese, title={Chinese NER using lattice LSTM}, author={Zhang, Yue and Yang, Jie}, journal={arXiv preprint arXiv:1805.02023}, year={2018} } ``` ## Download dataset :modelscope-code[]{type="git"}displayName: 简历命名实体识别（Resume NER） labelTypes: - 中文语料（Chinese Corpus） license: - MIT许可证 mediaTypes: - 文本（Text） paperUrl: https://arxiv.org/pdf/1805.02023v4.pdf publishDate: "2018" publishUrl: https://github.com/singhsourabh/Resume-NER publisher: - 新加坡科技设计大学（Singapore University of Technology and Design） tags: - 实体（Entity） taskTypes: - 中文命名实体识别（Chinese Named Entity Recognition） --- # 数据集介绍 ## 简介 本数据集面向简历文本，涵盖8个细粒度实体类别，相关任务评测的F1值区间为74.5%至86.88%。 ## 类定义 无 ## 引文 @article{zhang2018chinese, title={Chinese NER using lattice LSTM}, author={Zhang, Yue and Yang, Jie}, journal={arXiv preprint arXiv:1805.02023}, year={2018} } ## 数据集下载 :modelscope-code[]{type="git"}

搜集汇总

背景与挑战

背景概述

Resume_NER是一个中文命名实体识别数据集，包含八个细粒度实体类别，其性能分数在74.5%到86.88%之间。该数据集于2018年发布，采用MIT许可证，由新加坡科技设计大学贡献，并基于论文《Chinese NER using lattice LSTM》构建。