ju-bezdek/conll2003-SK-NER

这是CONLL2003数据集的斯洛伐克语翻译版本（通过Google翻译从英语翻译成斯洛伐克语）。注释大部分是自动完成的，使用了单词匹配脚本。未匹配的记录（10%）进行了手动注释。与原始的Conll2003数据集不同，该数据集仅包含NER标签。

原始信息汇总

数据集概述

数据集描述

• 名称: conll-2003-sk-ner
• 语言: 斯洛伐克语 (sk)
• 许可证: 未知
• 多语言性: 单语
• 大小: 10K<n<100K
• 任务类别: 命名实体识别 (NER), 词性标注 (POS)
• 标签: 结构预测

支持的任务和排行榜

• 任务: 命名实体识别
• 标签:
  • 0: O
  • 1: B-PER
  • 2: I-PER
  • 3: B-ORG
  • 4: I-ORG
  • 5: B-LOC
  • 6: I-LOC
  • 7: B-MISC
  • 8: I-MISC

语言

• 斯洛伐克语 (sk)

数据集结构

• 数据分割: 训练集, 测试集, 验证集

数据集创建

源数据

• 来源: 扩展自 conll2003
• 链接: https://huggingface.co/datasets/conll2003

注释

注释过程

• 机器翻译
• 机器配对标签与反向翻译，以及硬编码规则（包括短语正则表达式匹配等）
• 手动注释无法自动匹配的记录