five

SEACrowd/singgalang

收藏
Hugging Face2024-06-24 更新2024-03-04 收录
下载链接:
https://hf-mirror.com/datasets/SEACrowd/singgalang
下载链接
链接失效反馈
官方服务:
资源简介:
Singgalang是一个基于规则的印尼语命名实体识别(NER)数据集,包含48,957个句子或1,478,286个标记。标注遵循Stanford-NER格式,涵盖Person、Organisation和Place三个NER标签。数据集由41,297、14,770和82,179个实体标记组成,分别来自14、6和5条规则。数据集支持的任务是命名实体识别,并提供了使用`datasets`和`seacrowd`库加载数据集的方法。数据集的版本为1.0.0,SEACrowd版本为2024.06.20。数据集的使用是免费的,但需要引用相关论文。
提供机构:
SEACrowd
原始信息汇总

Singgalang 数据集概述

基本信息

  • 语言: 印度尼西亚语
  • 任务类别: 命名实体识别
  • 标签: 命名实体识别
  • 数据集大小: 包含48,957个句子或1,478,286个词

数据集详情

  • 标注格式: 符合Stanford-NER格式,包含3种命名实体标签:人名、组织名和地名。
  • 实体数量:
    • 人名: 41,297个词
    • 组织名: 14,770个词
    • 地名: 82,179个词
  • 规则数量:
    • 人名: 超过14条规则
    • 组织名: 超过6条规则
    • 地名: 超过5条规则

支持任务

  • 命名实体识别

数据集版本

  • 源版本: 1.0.0
  • SEACrowd版本: 2024.06.20

数据集许可

  • 可免费使用,无需许可。
  • 使用数据时请引用相关论文。
  • 未经许可不得公开复制和分享数据集。

引用

  • 使用Singgalang数据集时,请引用以下文献:

    @INPROCEEDINGS{8355036, author={Alfina, Ika and Savitri, Septiviana and Fanany, Mohamad Ivan}, title={Modified DBpedia entities expansion for tagging automatically NER dataset}, booktitle={2017 International Conference on Advanced Computer Science and Information Systems (ICACSIS)}, pages={216-221}, year={2017}, url={https://ieeexplore.ieee.org/document/8355036}, doi={10.1109/ICACSIS.2017.8355036} }

    @INPROCEEDINGS{7872784, author={Alfina, Ika and Manurung, Ruli and Fanany, Mohamad Ivan}, booktitle={2016 International Conference on Advanced Computer Science and Information Systems (ICACSIS)}, title={DBpedia entities expansion in automatically building dataset for Indonesian NER}, year={2016}, pages={335-340}, doi={10.1109/ICACSIS.2016.7872784} }

    @article{lovenia2024seacrowd, title={SEACrowd: A Multilingual Multimodal Data Hub and Benchmark Suite for Southeast Asian Languages}, author={Holy Lovenia and Rahmad Mahendra and Salsabil Maulana Akbar and Lester James V. Miranda and Jennifer Santoso and Elyanah Aco and Akhdan Fadhilah and Jonibek Mansurov and Joseph Marvin Imperial and Onno P. Kampman and Joel Ruben Antony Moniz and Muhammad Ravi Shulthan Habibi and Frederikus Hudi and Railey Montalan and Ryan Ignatius and Joanito Agili Lopo and William Nixon and Börje F. Karlsson and James Jaya and Ryandito Diandaru and Yuze Gao and Patrick Amadeus and Bin Wang and Jan Christian Blaise Cruz and Chenxi Whitehouse and Ivan Halim Parmonangan and Maria Khelli and Wenyu Zhang and Lucky Susanto and Reynard Adha Ryanda and Sonny Lazuardi Hermawan and Dan John Velasco and Muhammad Dehan Al Kautsar and Willy Fitra Hendria and Yasmin Moslem and Noah Flynn and Muhammad Farid Adilazuarda and Haochen Li and Johanes Lee and R. Damanhuri and Shuo Sun and Muhammad Reza Qorib and Amirbek Djanibekov and Wei Qi Leong and Quyet V. Do and Niklas Muennighoff and Tanrada Pansuwan and Ilham Firdausi Putra and Yan Xu and Ngee Chia Tai and Ayu Purwarianti and Sebastian Ruder and William Tjhi and Peerat Limkonchotiwat and Alham Fikri Aji and Sedrick Keh and Genta Indra Winata and Ruochen Zhang and Fajri Koto and Zheng-Xin Yong and Samuel Cahyawijaya}, year={2024}, eprint={2406.10118}, journal={arXiv preprint arXiv: 2406.10118} }

5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作