KennethEnevoldsen/dane_plus

DaNE+是DaNE数据集的一个版本，其中原始的NER标签已更新为遵循ontonotes注释方案。注释过程使用了在丹麦数据集DANSK上训练的模型进行第一轮注释，然后由Kenneth C. Enevoldsen手动审查和纠正所有差异。数据集还包括来自丹麦依赖树库的附加注释（如词性标签）。数据集的特征包括文本、实体、句子和令牌信息。数据集分为训练集、开发集和测试集，分别包含4383、564和565个示例。

原始信息汇总

DaNE+ 数据集概述

基本信息

• 语言: 丹麦语 (da)
• 许可证: CC-BY-SA-4.0
• 多语言性: 单语种
• 大小: 1K<n<10K
• 源数据集: dane, 扩展|其他-丹麦-Universal-Dependencies-treebank, DANSK
• 任务类别: 词性标注
• 任务ID: 命名实体识别, 词性标注
• 论文代码链接ID: dane
• 美观名称: DaNE+

数据集特征

• 文本字段:
  • name: text
  • dtype: string
• 实体字段:
  • name: ents
  • list:
    • name: start
      • dtype: int64
    • name: label
      • dtype: string
    • name: end
      • dtype: int64
• 句子字段:
  • name: sents
  • list:
    • name: start
      • dtype: int64
    • name: end
      • dtype: int64
• 令牌字段:
  • name: tokens
  • list:
    • name: id
      • dtype: int64
    • name: form
      • dtype: string
    • name: lemma
      • dtype: string
    • name: upos
      • dtype: string
    • name: xpos
      • dtype: string
    • name: head
      • dtype: int64
    • name: deprel
      • dtype: string
    • name: deps
      • dtype: string
    • name: misc
      • dtype: string

数据集分割

• 训练集:
  • num_examples: 4383
  • num_bytes: 7886693
• 开发集:
  • num_examples: 564
  • num_bytes: 1016350
• 测试集:
  • num_examples: 565
  • num_bytes: 991137

下载和数据集大小

• 下载大小: 1627548
• 数据集大小: 9894180