clarin-pl/nkjp-pos

NKJP-POS是波兰国家语料库（Narodowy Korpus Języka Polskiego）的一部分，旨在进行部分词性标注任务，例如名词、动词、形容词、副词等。在语料库创建过程中，来自不同领域和类型的文本由人类专家进行标注。数据集的输入是词序列，输出是对应的词性标签序列，共有35个可能的类别。数据集分为训练集和测试集，训练集包含78219个句子，测试集包含7444个句子。

原始信息汇总

数据集概述

基本信息

• 名称: nkjp-pos
• 语言: 波兰语 (pl)
• 许可证: GNU GPL v.3
• 多语言性: 单语种
• 数据来源: 原始数据
• 任务类别: 其他
• 任务ID: 词性标注
• 标签: 结构预测

描述

• 目的: 词性标注，如名词、动词、形容词、副词等。
• 数据来源: 人类标注者从多种来源收集的文本，覆盖多个领域和类型。

任务详情

• 任务: 词性标注 (POS tagging)
• 输入: 词序列
• 输出: 预测的词类别序列（35种可能类别）
• 评估指标: F1-score (seqeval)

数据分割

• 训练集: 78219句
• 开发集: 0句
• 测试集: 7444句

类别分布

• 数据集提供了详细的类别分布表，包括训练集、开发集和测试集中的各类别比例。

示例

• 提供了输入和输出的示例，以及如何使用数据集进行评估的Python代码示例。

引用

• 提供了数据集的引用信息，包括出版物和编辑者。

许可证

• 数据集遵循GNU GPL v.3许可证。