cjvt/janes_tag

Janes-Tag是一个手动注释的斯洛文尼亚计算机媒介通信（CMC）语料库，主要由推文组成，也包括博客、论坛和新闻评论。每个实例都包含单词、词元、MSD标签和IOB2编码的命名实体标签。数据集的语言是代码混合/非标准斯洛文尼亚语。

原始信息汇总

数据集概述

数据集名称: Janes-Tag

数据集描述: Janes-Tag是一个手动标注的斯洛文尼亚计算机中介交流（CMC）语料库，主要包含推文，以及博客、论坛和新闻评论。

语言: 代码混合/非标准斯洛文尼亚语

数据集结构

数据实例

每个数据实例包含以下字段：

• id: 示例的唯一标识符，类型为字符串。
• words: 示例中的单词，类型为字符串序列。
• lemmas: 示例中的词干，类型为字符串序列。
• msds: 示例中的MSD标签，类型为字符串序列。
• nes: IOB2编码的命名实体标签，类型为字符串序列。

数据集分割

• 训练集: 包含2957个示例，总大小为2653609字节。

数据集详细信息

• 许可证: CC BY-SA 4.0
• 任务类别: 令牌分类
• 标签: 代码混合、非标准、命名实体识别（NER）
• 大小类别: 1K<n<10K

数据集创建者

• 创建者: Jakob Lenardič 等人
• 详细信息: 请参见此处

许可证信息

• 许可证: CC BY-SA 4.0

引用信息

@misc{janes_tag, title = {{CMC} training corpus Janes-Tag 3.0}, author = {Lenardi{v c}, Jakob and {v C}ibej, Jaka and Arhar Holdt, {v S}pela and Erjavec, Toma{v z} and Fi{v s}er, Darja and Ljube{v s}i{c}, Nikola and Zupan, Katja and Dobrovoljc, Kaja}, url = {http://hdl.handle.net/11356/1732}, note = {Slovenian language resource repository {CLARIN}.{SI}}, copyright = {Creative Commons - Attribution-{ShareAlike} 4.0 International ({CC} {BY}-{SA} 4.0)}, year = {2022} }