tudarmstadt-lt/germaner

GermaNER是一个用于德语命名实体识别（NER）的数据集。数据集包含26200个训练实例，每个实例包括id、tokens和ner_tags三个字段。ner_tags使用IOB格式编码，表示命名实体的类别，如B-LOC、B-ORG等。数据集的语言为德语，许可证为Apache 2.0。

原始信息汇总

数据集概述

基本信息

• 数据集名称: GermaNER
• 语言: 德语
• 许可证: Apache-2.0
• 数据集大小: 10K<n<100K
• 任务类别: 词性标注
• 任务ID: 命名实体识别

数据集结构

数据实例

一个示例实例如下： json { "id": "3", "ner_tags": [1, 5, 8, 8, 8, 8, 8, 8, 8, 8, 8, 8, 8, 8], "tokens": ["Bayern", "München", "ist", "wieder", "alleiniger", "Top-", "Favorit", "auf", "den", "Gewinn", "der", "deutschen", "Fußball-Meisterschaft", "."] }

数据字段

每个实例包含以下字段：

• id: 字符串类型的ID
• tokens: 字符串序列
• ner_tags: 每个token的NER标签（编码为IOB）

NER标签包括：B-LOC (0), B-ORG (1), B-OTH (2), B-PER (3), I-LOC (4), I-ORG (5), I-OTH (6), I-PER (7), O (8)

数据分割

数据集仅提供训练部分，包含26200个数据实例。

许可证信息

GermaNER的许可证为Apache License 2.0，允许学术和商业用途，无限制。

引用信息

bibtex @inproceedings{Benikova2015GermaNERFO, title={GermaNER: Free Open German Named Entity Recognition Tool}, author={Darina Benikova and Seid Muhie Yimam and P. Santhanam and Chris Biemann}, booktitle={GSCL}, year={2015} }