Lacuna PII Multilingual Text Dataset

The Lacuna PII Multilingual Text Dataset, created by Makerere Artificial Intelligence Lab in collaboration with Marconi Lab and Clear Global, contains annotated sentences with personally identifiable information (PII) in Luganda, Lumasaba, Hausa, and Kanuri. This dataset supports tasks such as Named Entity Recognition, Text Classification, and Privacy-Preserving Data Analysis. It comprises 4000 Luganda sentences, 5000 Lumasaba sentences, 3000 Kanuri sentences, and 3000 Hausa sentences

由马凯雷雷人工智能实验室（Makerere Artificial Intelligence Lab）与马里科尼实验室（Marconi Lab）、Clear Global合作创建的拉库纳多语种个人可识别信息文本数据集（Lacuna PII Multilingual Text Dataset），收录了卢干达语、卢马萨巴语、豪萨语与卡努里语四类语言的带标注个人可识别信息（Personally Identifiable Information，PII）句子。该数据集可支撑命名实体识别、文本分类以及隐私保护数据分析等相关任务，具体包含4000条卢干达语句子、5000条卢马萨巴语句子、3000条卡努里语句子以及3000条豪萨语句子。

搜集汇总

背景与挑战

背景概述

Lacuna PII Multilingual Text Dataset是一个多语言文本数据集，包含Luganda、Lumasaba、Hausa和Kanuri四种语言中带有人身份识别信息（PII）标注的句子，总规模为15000句，主要用于命名实体识别、文本分类和隐私保护数据分析任务。该数据集由Makerere AI Lab与Marconi Lab、Clear Global合作创建，采用CC0 1.0许可证，旨在支持对 underrepresented 语言的自然语言处理研究。