iSemantics/conllpp-ner-ar

--- dataset_info: features: - name: tokens sequence: string - name: ner_tags sequence: class_label: names: '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 splits: - name: train num_bytes: 2780353 num_examples: 10250 - name: validation num_bytes: 698574 num_examples: 2383 - name: test num_bytes: 641032 num_examples: 2572 download_size: 1089320 dataset_size: 4119959 configs: - config_name: default data_files: - split: train path: data/train-* - split: validation path: data/validation-* - split: test path: data/test-* license: mit task_categories: - token-classification language: - ar size_categories: - 1K<n<10K ---dataset_info（数据集信息）: features（特征）: - name: 令牌（Token） sequence（序列类型）: 字符串序列 - name: 命名实体识别标签（ner_tags） sequence（序列类型）: class_label（类别标签）: names（类别名称）: '0': O（非实体） '1': B-PER（人物实体起始标记） '2': I-PER（人物实体内部标记） '3': B-ORG（组织实体起始标记） '4': I-ORG（组织实体内部标记） '5': B-LOC（地点实体起始标记） '6': I-LOC（地点实体内部标记） '7': B-MISC（混合实体起始标记） '8': I-MISC（混合实体内部标记） splits（划分）: - name: 训练集（train） num_bytes（字节大小）: 2780353 num_examples（样本数量）: 10250 - name: 验证集（validation） num_bytes（字节大小）: 698574 num_examples（样本数量）: 2383 - name: 测试集（test） num_bytes（字节大小）: 641032 num_examples（样本数量）: 2572 download_size（下载大小）: 1089320 dataset_size（数据集总大小）: 4119959 configs（配置项）: - config_name（配置名称）: 默认配置 data_files（数据文件）: - split（划分）: 训练集（train） path（路径）: data/train-* - split（划分）: 验证集（validation） path（路径）: data/validation-* - split（划分）: 测试集（test） path（路径）: data/test-* license（许可证）: MIT许可证 task_categories（任务类别）: - 令牌分类（Token Classification） language（语言）: - 阿拉伯语（ar） size_categories（样本规模类别）: - 1K<n<10K

搜集汇总

背景与挑战

背景概述

该数据集是阿拉伯语命名实体识别（NER）数据集，标注了人名(PER)、组织(ORG)、地点(LOC)和杂项(MISC)等实体类型，包含约1.5万个标注示例，并划分为训练集(10250例)、验证集(2383例)和测试集(2572例)。