CFET 中文超细粒度实体分类

# cfet Entity Typing 数据

## 数据集概述
cfet 数据集是从论文 [A Chinese Corpus for Fine-grained Entity Typing](https://aclanthology.org/2020.lrec-1.548/) 所发布的数据集处理得到的。

### 数据集简介
包含通过众包人工标注的 4,800 个提及词。每个提及词都使用自由形式的实体类型进行注释。作者为了使的数据集在更多可能的场景中有用，还将所有细粒度类型分为 10 个通用类型。

### 数据集的格式和结构
数据格式采用jsonline格，每行文本可解析为json对象，一个具体case的例子如下：

```
{
"text":"威武南京零距离最牛毕业证威武",
"label":[
{
"start":2,
"end":4,
"type":[
"地点",
"地方",
"城市",
"市"
]
}
]
}
```

## 数据集版权信息

CC BY-NC-SA 4.0

## 引用方式
```bib
@inproceedings{lee-etal-2020-chinese,
title = "A {C}hinese Corpus for Fine-grained Entity Typing",
author = "Lee, Chin and
Dai, Hongliang and
Song, Yangqiu and
Li, Xin",
booktitle = "Proceedings of the Twelfth Language Resources and Evaluation Conference",
month = may,
year = "2020",
address = "Marseille, France",
publisher = "European Language Resources Association",
url = "https://aclanthology.org/2020.lrec-1.548",
pages = "4451--4457",
language = "English",
ISBN = "979-10-95546-34-4",
}
```

# cfet实体分型（Entity Typing）数据集

## 数据集概述
cfet数据集源自论文《A Chinese Corpus for Fine-grained Entity Typing》（链接：https://aclanthology.org/2020.lrec-1.548/）发布的公开数据集，经二次处理后得到。

### 数据集简介
本数据集包含经众包人工标注的4800个实体提及词，每个提及词均采用自由形式的实体类型进行标注。为拓展数据集的应用场景，提升其通用性，作者将所有细粒度实体类型划分为10个通用类型。

### 数据集的格式与结构
数据采用JSON Lines（jsonline）格式存储，每一行文本均可解析为JSON对象，具体示例如下：

{
"text":"威武南京零距离最牛毕业证威武",
"label":[
{
"start":2,
"end":4,
"type":[
"地点",
"地方",
"城市",
"市"
]
}
]
}

## 数据集版权信息
CC BY-NC-SA 4.0

## 引用规范
bib
@inproceedings{lee-etal-2020-chinese,
title = "A {C}hinese Corpus for Fine-grained Entity Typing",
author = "Lee, Chin and
Dai, Hongliang and
Song, Yangqiu and
Li, Xin",
booktitle = "Proceedings of the Twelfth Language Resources and Evaluation Conference",
month = may,
year = "2020",
address = "Marseille, France",
publisher = "European Language Resources Association",
url = "https://aclanthology.org/2020.lrec-1.548",
pages = "4451--4457",
language = "English",
ISBN = "979-10-95546-34-4",
}

搜集汇总

背景与挑战

背景概述

CFET数据集源自一篇关于中文细粒度实体分类的论文，包含4，800个众包标注的提及，每个提及都标注了自由形式的实体类型，并将这些类型归类为10个通用类别。数据以jsonline格式存储，遵循CC BY-NC-SA 4.0许可协议。