Advertisement

从OntoNotes 5.0版本中获得，该数据集采用BIO格式进行命名实体识别。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
OntoNotes-5.0-NER-BIO是基于CoNLL-2003格式的版本，并包含了OntoNotes 5.0版本的命名实体识别（NER）的BIO标记方案。 该格式化的版本建立在详细的说明之上，以及在此存储库中开发的新脚本。 简而言之，Yuchen Zhang和Zhi Zhong提出了针对OntoNotes 5.0数据的Train-dev分割，同时他们还提供了将数据转换为CoNLL 2012格式的脚本。 然而，生成的输出结果并非采用BIO标记方案，因此无法直接应用于许多序列标注体系结构，例如BLSTM-CRF。 为了简化预处理流程，此仓库协议通过直接生成BIO格式来提供便利，您可以在实验中直接使用这些预处理后的数据。 第一步：获取官方的O

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • OntoNotes-5.0-NER-BIO：基于OntoNotes 5.0版本的BIO格式命名实体识别数据集
    优质
    本数据集采用OntoNotes 5.0资源，提供大规模、高质量的BIO标注文本，涵盖人名、地名、组织机构等各类实体，适用于训练和评估命名实体识别模型。 OntoNotes-5.0-NER-BIO 是基于CoNLL-2003格式，并应用了OntoNotes 5.0版本的命名实体识别（NER）BIO标记方案。此格式化版本依据相关说明和在此存储库中开发的新脚本构建而成。简言之，Yuchen Zhang 和 Zhi Zhong 在 CoNLL 2013 年提出了针对 OntoNotes 5.0 数据集的训练-验证数据划分，并提供了将其转换为CoNLL 2012格式的脚本。然而，这些结果并未采用BIO标记方案，因此无法直接用于许多序列标注架构中（如BLSTM-CRF）。此存储库通过简化预处理过程并生成BIO格式的数据，使得实验更为便捷。步骤一：获取官方数据。
     
  • SIGHAN 2006 MSRA命名实体数据（BIO格式）
    优质
    本数据集为微软亚洲研究院(MSRA)于2006年发布的中文命名实体识别资源，采用BIO标注体系，涵盖人名、地名、组织机构等类别。 2006年SIGHAN命名实体识别任务的语料由MSRA提供，并已转换为BIO格式，可以直接用于NER训练。
     
  • CONLL-formatted-OntoNotes-5.0：OntoNotes 5.0 的 CoNLL 格式版本
    优质
    本数据集为OntoNotes 5.0项目的CoNLL格式版本，包含详细的语义标注信息，适用于命名实体识别、依存句法分析等自然语言处理任务。 conll-formatted-ontonotes-5.0 是 OntoNotes 5.0 版本的 CoNLL 格式版本。
     
  • BIO命名实体识别(NER)语料库.rar
    优质
    本资源为BIO标记体系的命名实体识别（NER）语料库压缩包，适用于训练和评估自然语言处理中的实体抽取模型。 BIO NER 命名实体识别语料集。
     
  • 中文NER命名实体识别数据集
    优质
    中文NER（Named Entity Recognition）数据集是一套专门用于识别中文文本中人名、地名和组织机构等命名实体的语料库，旨在促进自然语言处理技术的发展。 中文命名实体识别数据集非常实用。它涵盖了组织、机构和个人三个方面的实体。
     
  • 中文Weibo命名实体识别数据集
    优质
    本数据集为中文微博文本设计，旨在进行命名实体识别研究，涵盖人名、地名与组织名等类别，促进自然语言处理技术的发展。 自然语言处理的子任务命名实体识别在中文数据集方面非常全面。
     
  • 命名实体识别的数据集.rar
    优质
    本资源包含一个用于训练和测试命名实体识别模型的数据集，适用于自然语言处理任务，帮助提高对人名、地名及组织机构等实体的识别精度。 该数据集用于训练命名实体识别模型的数据集，包含六种标签：人名、地名、时间、组织机构名、公司名及产品名，并遵循BIO编码规则。此数据集中包括三个文件——训练集、测试集与验证集。以下为样例内容： 以 O 及 O 康 B-COMPANY_NAME 宽 I-COMPANY_NAME 为代表 的 国 外 专 利 产 品 低 毒 杀 虫 剂 吡 B-PRODUCT_NAME 虫 I-PRODUCT_NAME 茚 I-PRODUCT_NAME 和 O 生 物 农 药 阿 B-PRODUCT_NAME 维 I-PRODU
     
  • MSRA（NER）命名实体识别数据集
    优质
    MSRA NER是微软亚洲研究院开发的一个汉语命名实体识别数据集，包含大量标注的人名、地名和组织机构名称，广泛应用于自然语言处理研究。 我们收藏的二十余册出版物来自晋察冀抗日根据地（1937年—1945年）。
     
  • 采用BIOES标注的中文糖尿病命名实体识别数据集
    优质
    这是一个采用了BIOES标注体系的中文糖尿病相关文本命名实体识别的数据集，旨在提升对糖尿病医学文献中关键信息的自动化提取能力。 这是一个用于中文命名实体识别的数据集，在糖尿病领域内对一些非结构化数据采用BIOES模式进行标注。该数据集非常适合初学者使用，能够帮助他们节省大量时间在数据标注上，并且有助于更快地理解命名实体识别任务。
     
  • 命名实体识别训练数据集.7z
    优质
    命名实体识别训练数据集.7z包含用于训练和测试命名实体识别系统的标注文本数据。这些数据有助于提高对人名、地名等实体的自动识别精度。 NER（命名实体识别）涉及数据集的读取与解析工具，并提供详细的数据解释文档以及数据下载链接。