datasciathlete/corpus4everyone-korean-NER

该数据集包含用于命名实体识别任务的特征，主要包括ner_tags和tokens两个序列特征。ner_tags包含多个类别标签，用于标识不同类型的命名实体，如人名、地名、时间等。tokens表示文本中的单词或符号。数据集分为训练集和验证集，分别包含117007和29252个样本。数据集的下载大小为46202193字节，总大小为185112811.0字节。

原始信息汇总

数据集概述

特征信息

• ner_tags: 序列特征，包含以下类别标签：
  • 0: B-PS
  • 1: I-PS
  • 2: B-FD
  • 3: I-FD
  • 4: B-TR
  • 5: I-TR
  • 6: B-AF
  • 7: I-AF
  • 8: B-OG
  • 9: I-OG
  • 10: B-LC
  • 11: I-LC
  • 12: B-CV
  • 13: I-CV
  • 14: B-DT
  • 15: I-DT
  • 16: B-TI
  • 17: I-TI
  • 18: B-QT
  • 19: I-QT
  • 20: B-EV
  • 21: I-EV
  • 22: B-AM
  • 23: I-AM
  • 24: B-PT
  • 25: I-PT
  • 26: B-MT
  • 27: I-MT
  • 28: B-TM
  • 29: I-TM
  • 30: O
• tokens: 序列特征，类型为字符串。

数据分割

• train:
  • 字节数: 148089995.6698528
  • 样本数: 117007
• validation:
  • 字节数: 37022815.33014721
  • 样本数: 29252

数据集大小

• 下载大小: 46202193 字节
• 数据集大小: 185112811.0 字节

配置信息

• default:
  • 训练数据路径: data/train-*
  • 验证数据路径: data/validation-*