jnlpba

JNLPBA数据集专注于生物医学领域的命名实体识别任务，它基于GENIA 3.02语料库，该语料库包含从MEDLINE检索的2000篇摘要，并根据化学分类进行了人工标注。数据集包含英文文本，规模在1万到10万条样本之间，其中训练集包含18546个样本，验证集包含3856个样本。数据集中，每个样本都包含句子ID、分词后的tokens以及对应的命名实体标签，标签采用BIO标注体系，标注了DNA、RNA、细胞系、细胞类型和蛋白质等生物实体。该数据集支持命名实体识别任务，但授权许可信息缺失，需要进一步补充。