CADT-IDRI/kheed_annotated
KHEED Dataset Card Task Categories Token Classification Language Khmer (km) Overview The Khmer Health Event Extraction Dataset (KHEED) is a specialized resource for named entity recognition (NER) in the Khmer language, focusing on the health domain. Sourced from Khmer news websites, the dataset includes eight entity types: Disease (DIS): Health conditions or illnesses. Location (LOC): Geographical places. Organization (ORG):… See the full description on the dataset page: https://huggingface.co/datasets/CADT-IDRI/kheed_annotated.
013
1[2 {3 "tokens": [4 "ក្រុម",5 "ឆ្លើយតប",6 "បន្ទាន់",7 "របស់",8 "ក្រសួង",9 "សុខាភិបាល",10 "ថ្នាក់",11 "ជាតិ",12 " ",13 "និង",14 "ថ្នាក់",15 "ក្រោម",16 "ជាតិ",17 " ",18 "បាន",19 "និង",20 "កំពុង",21 "សហការ",22 " ",23 "ជាមួយ",24 "ក្រុមការងារ",25 "នៃ",26 "ក្រសួង",27 "កសិកម្ម",28 " ",29 "រុក្ខា",30 "ប្រមាញ់",31 " ",32 "និង",33 "នេសាទ",34 " ",35 "និង",36 "ក្រសួង",37 "បរិស្ថាន",38 " ",39 "អាជ្ញាធរ",40 "មូលដ្ឋាន",41 "គ្រប់",42 " ",43 "លំដាប់ថ្នាក់",44 " ",45 "ធ្វើ",46 "ការអង្កេត",47 "ស្រាវជ្រាវ",48 "យ៉ាង",49 "សកម្ម",50 "លើ",51 "ការកើតឡើង",52 "នូវ",53 "ជំងឺ",54 "ផ្តាសាយ",55 "បក្សី",56 " ",57 "និង",58 "ធ្វើ",59 "ការឆ្លើយតប",60 " ",61 "ទៅ",62 "តាម",63 "វិធីសាស្ត្រ",64 " ",65 "និង",66 "ពិធីសារ",67 "បច្ចេកទេស",68 " ",69 "បន្ត",70 "ការស្វែងរក",71 "ប្រភព",72 "ចម្លង",73 " ",74 "ទាំង",75 "លើ",76 "សត្វ",77 " ",78 "និង",79 "មនុស្ស",80 " ",81 "និង",82 "បន្ត",83 " ",84 "ស្វែងរក",85 "ករណី",86 "សង្ស័យ",87 " ",88 "និង",89 "អ្នក",90 "ប៉ះពាល់",91 "ដើម្បី",92 "ទប់ស្កាត់",93 "ការឆ្លង",94 "បន្ត",95 "ទៅ",96 "អ្នកដទៃ",97 "ទៀត",98 "ក្នុង",99 "សហគមន៍",100 " ",101 "ព្រមទាំង",102 " ",103 "ចែកជូន",104 "ឱសថ",105 "តាមី",106 "ហ្គូ",107 " ",108 "(Tamiflu)",109 " ",110 "ដល់",111 "អ្នក",112 "ប៉ះពាល់",113 "ជិតស្និទ្ធ",114 " ",115 "និង",116 "ធ្វើ",117 "យុទ្ធនាការ",118 "អប់រំ",119 "សុខភាព",120 "ប្រជាពលរដ្ឋ",121 " ",122 "នៅក្នុង",123 "ភូមិ",124 "ដែល",125 "កើត",126 "ហេតុ",127 "ខាង",128 "លើ",129 "។"130 ],131 "ner_tags": [132 0,133 0,134 0,135 0,136 11,137 12,138 0,139 0,140 0,141 0,142 0,143 0,144 0,145 0,146 0,147 0,148 0,149 0,150 0,151 0,152 0,153 0,154 11,155 12,156 12,157 12,158 12,159 12,160 12,161 12,162 0,163 0,164 11,165 12,166 0,167 11,168 12,169 0,170 0,171 0,172 0,173 0,174 0,175 0,176 0,177 0,178 0,179 0,180 0,181 3,182 4,183 4,184 0,185 0,186 0,187 0,188 0,189 0,190 0,191 0,192 0,193 0,194 0,195 0,196 0,197 0,198 0,199 0,200 0,201 0,202 0,203 0,204 0,205 0,206 0,207 0,208 0,209 0,210 0,211 0,212 0,213 0,214 0,215 0,216 0,217 0,218 0,219 0,220 0,221 0,222 0,223 0,224 0,225 0,226 0,227 0,228 0,229 0,230 0,231 0,232 9,233 10,234 10,235 10,236 9,237 0,238 0,239 0,240 0,241 0,242 0,243 0,244 0,245 0,246 0,247 0,248 0,249 0,250 0,251 0,252 0,253 0,254 0,255 0,256 0,257 0258 ]259 },260 {261 "tokens": [262 "យើង",263 "ចងចាំ",264 "ជានិច្ច",265 "នូវ",266 "គុណូបការៈ",267 "ដ៏",268 "ថ្លៃថ្លា",269 "នេះ",270 " ",271 "ហើយ",272 "ប្តេជ្ញា",273 "ថែរក្សា",274 "រាល់",275 "សមិទ្ធផល",276 "របស់",277 "ជាតិ",278 "ឱ្យ",279 "គង់វង្ស",280 "ជា",281 "រៀងដរាប",282 "។"283 ],284 "ner_tags": [285 0,286 0,287 0,288 0,289 0,290 0,291 0,292 0,293 0,294 0,295 0,296 0,297 0,298 0,299 0,300 0,301 0,302 0,303 0,304 0,305 0306 ]307 },308 {309 "tokens": [310 "នៅ",311 "រសៀល",312 "ថ្ងៃទី",313 "២៧",314 " ",315 "ខែមិថុនា",316 " ",317 "ឆ្នាំ",318 "២០២៤",319 "នេះ",320 " ",321 "ក្រុមគ្រួសារ",322 "ស្រ្តី",323 "មាន",324 "ពិការ",325 "ភាព",326 "ភ្នែក",327 " ",328 "និង",329 "មាន",330 "ផ្ទុក",331 "មេរោគ",332 "អេដស៍",333 " ",334 "លោកស្រី",335 " ",336 "ចន",337 " ",338 "លំអង",339 " ",340 "ទទួលបាន",341 "ការឧបត្ថម្ភ",342 "ម៉ូតូ១",343 "គ្រឿង",344 " ",345 "ពី",346 "លោក",347 " ",348 "ជា",349 " ",350 "សុមេធី",351 " ",352 "រដ្ឋមន្ត្រី",353 "ក្រសួង",354 "សង្គមកិច្ច",355 "អតីត",356 "យុទ្ធជន",357 " ",358 "និង",359 "យុវនីតិសម្បទា",360 " ",361 "និង",362 "លោកស្រី",363 " ",364 "ជា",365 " ",366 "ផល្គុន",367 "។"368 ],369 "ner_tags": [370 0,371 0,372 1,373 2,374 2,375 2,376 2,377 2,378 2,379 0,380 0,381 0,382 0,383 0,384 3,385 4,386 4,387 0,388 0,389 0,390 0,391 13,392 14,393 0,394 0,395 0,396 0,397 0,398 0,399 0,400 0,401 0,402 0,403 0,404 0,405 0,406 0,407 0,408 0,409 0,410 0,411 0,412 0,413 0,414 0,415 0,416 0,417 0,418 0,419 0,420 0,421 0,422 0,423 0,424 0,425 0,426 0,427 0428 ]429 },430 {431 "tokens": [432 "ត្រូវ",433 "ច្រិប",434 "សាច់",435 "នៅ",436 "ផ្នែក",437 "ខាងក្រោយ",438 "ច្រមុះ",439 " ",440 "ដើម្បី",441 "ធ្វើ",442 "ការពិសោធន៍",443 "កោសិកា",444 "មហារីក",445 " ",446 "Pathology",447 " ",448 "and",449 " ",450 "Immmuno-histo-chemistry",451 ",",452 " ",453 "ធ្វើ",454 " ",455 "CT-Scan",456 " ",457 "ឬ",458 " ",459 "MRI",460 ",",461 " ",462 "Panendoscopy",463 "។"464 ],465 "ner_tags": [466 0,467 0,468 0,469 0,470 0,471 0,472 0,473 0,474 0,475 0,476 0,477 0,478 3,479 0,480 0,481 0,482 0,483 0,484 0,485 0,486 0,487 0,488 0,489 0,490 0,491 0,492 0,493 0,494 0,495 0,496 0,497 0498 ]499 },500 {501 "tokens": [502 "ឆ្លៀត",503 "ឱកាស",504 "នោះ",505 " ",506 "លោក",507 "ក៏",508 "បាន",509 "គោរព",510 "អញ្ជើញ",511 "លោក",512 "ទេសរដ្ឋមន្រ្តី",513 "ធ្វើបាឋ",514 "កថា",515 "ជូន",516 "និស្សិត",517 "នៅ",518 "សាកលវិទ្យាល័យ",519 "វិទ្យាសាស្រ្ត",520 "សុខាភិបាល",521 " ",522 "ដែល",523 "មាន",524 "ចំនួន",525 " ",526 "ប្រមាណ",527 "៧៤០០",528 "នាក់",529 " ",530 "អំពី",531 "គោល",532 "នយោបាយ",533 "អេដស៍",534 "ផងដែរ",535 "។"536 ],537 "ner_tags": [538 0,539 0,540 0,541 0,542 0,543 0,544 0,545 0,546 0,547 0,548 0,549 0,550 0,551 0,552 0,553 0,554 11,555 12,556 12,557 0,558 0,559 0,560 0,561 0,562 0,563 5,564 6,565 0,566 0,567 0,568 0,569 0,570 0,571 0572 ]573 },574 {575 "tokens": [576 "ទី១.",577 "សិល្បករ",578 "-",579 "សិល្បការិនី",580 " ",581 "ទាំងអស់",582 " ",583 "ចូលរួម",584 "ស្វែងយល់",585 "ពី",586 "មេរោគ",587 "អេដស៍",588 " ",589 "និង",590 "ជំងឺ",591 "អេដស៍",592 "ឱ្យ",593 "បាន",594 "ស៊ីជម្រៅ",595 " ",596 "និង",597 "បញ្ជ្រាប",598 "ការយល់ដឹង",599 "ទាំងនេះ",600 "ក្នុង",601 "គ្រប់",602 "ទម្រង់",603 "សិល្បៈ",604 "ឱ្យ",605 "បាន",606 "ទូលំទូលាយ",607 " ",608 "ដើម្បីឱ្យ",609 "ប្រជាជន",610 "យើង",611 " ",612 "ជាពិសេស",613 "ក្រុម",614 "យុវជន",615 "បង្កា",616 "ខ្លួន",617 "ចៀស",618 "ផុត",619 "ពី",620 "ការឆ្លង",621 "មេរោគ",622 "អេដស៍",623 " ",624 "។"625 ],626 "ner_tags": [627 0,628 0,629 0,630 0,631 0,632 0,633 0,634 0,635 0,636 0,637 13,638 14,639 0,640 0,641 3,642 4,643 0,644 0,645 0,646 0,647 0,648 0,649 0,650 0,651 0,652 0,653 0,654 0,655 0,656 0,657 0,658 0,659 0,660 0,661 0,662 0,663 0,664 0,665 0,666 0,667 0,668 0,669 0,670 0,671 0,672 13,673 14,674 0,675 0676 ]677 },678 {679 "tokens": [680 "លោក",681 "បាន",682 "និយាយ",683 "ថា៖"684 ],685 "ner_tags": [686 0,687 0,688 0,689 0690 ]691 },692 {693 "tokens": [694 "លោក",695 " ",696 "ងី",697 " ",698 "មាន",699 "ហេង",700 " ",701 "ប្រធាន",702 "មន្ទីរ",703 "សុខាភិបាល",704 "រាជធានី",705 "ភ្នំពេញ",706 " ",707 "បាន",708 "ឱ្យដឹង",709 "នៅ",710 "ថ្ងៃទី",711 "១៤សីហា",712 "នេះ",713 "ថា៖"714 ],715 "ner_tags": [716 0,717 0,718 0,719 0,720 0,721 0,722 0,723 0,724 0,725 0,726 0,727 0,728 0,729 0,730 0,731 0,732 1,733 2,734 0,735 0736 ]737 },738 {739 "tokens": [740 "ជាពិសេស",741 " ",742 "zucchini",743 " ",744 "មាន",745 "កាឡូរី",746 "តិចតួច",747 "ណាស់",748 " ",749 "ប៉ុន្តែ",750 "មាន",751 "ជាតិ",752 "សរសៃ",753 "ខ្ពស់",754 " ",755 "ដូច្នេះ",756 "វា",757 "សាកសម",758 "សម្រាប់",759 "អ្នក",760 "ដែល",761 "មាន",762 "ជំងឺ",763 "ទឹកនោម",764 "ផ្អែម",765 "។"766 ],767 "ner_tags": [768 0,769 0,770 0,771 0,772 0,773 0,774 0,775 0,776 0,777 0,778 0,779 0,780 0,781 0,782 0,783 0,784 0,785 0,786 0,787 0,788 0,789 0,790 3,791 4,792 4,793 0794 ]795 },796 {797 "tokens": [798 "ជំនួស",799 "ឱ្យ",800 "ដំឡូង",801 "ផ្អែម",802 " ",803 "អ្នក",804 "ដែល",805 "មាន",806 "ជំងឺ",807 "ទឹកនោម",808 "ផ្អែម",809 "ក៏",810 "អាច",811 "ញ៉ាំ",812 "ដំឡូងបារាំង",813 "ក្នុង",814 "កម្រិត",815 "មធ្យម",816 "ផងដែរ",817 "។"818 ],819 "ner_tags": [820 0,821 0,822 0,823 0,824 0,825 0,826 0,827 0,828 3,829 4,830 4,831 0,832 0,833 0,834 7,835 0,836 0,837 0,838 0,839 0840 ]841 },842 {843 "tokens": [844 "ជាមួយគ្នា",845 "នេះ",846 " ",847 "ក្រសួង",848 " ",849 "ស្ថាប័ន",850 " ",851 "រាជធានី",852 " ",853 "ខេត្ត",854 " ",855 "ក្រុង",856 " ",857 "ស្រុក",858 " ",859 "ខណ្ឌ",860 " ",861 "ឃុំ",862 " ",863 "សង្កាត់",864 " ",865 "ត្រូវ",866 "ដើរ",867 "តួនាទី",868 "នាំមុខ",869 " ",870 "និង",871 "ជា",872 "អ្នកសម្របសម្រួល",873 "កម្មវិធី",874 "បង្ការ",875 " ",876 "ទប់ស្កាត់",877 " ",878 "ការរីករាលដាល",879 "នៃ",880 "មេរោគ",881 "អេដស៍",882 " ",883 "ដោយ",884 "គ្មាន",885 "ការរើសអើង",886 "មាក់ងាយ",887 " ",888 "និង",889 "ផ្តោត",890 "ការយកចិត្តទុកដាក់",891 " ",892 "ជាពិសេស",893 "ចំពោះ",894 " ",895 "ប្រជាជន",896 "គន្លឹះ",897 " ",898 "រួម",899 "មាន",900 "ក្រុម",901 "បុរស",902 "រួមភេទ",903 "ជាមួយ",904 "បុរស",905 " ",906 "ក្រុម",907 "បំប្លែង",908 "ភេទ",909 " ",910 "ក្រុម",911 "អ្នកបម្រើ",912 "សេវាកម្សាន្ត",913 "សប្បាយ",914 " ",915 "អ្នកប្រើប្រាស់",916 " ",917 "គ្រឿងញៀន",918 " ",919 "និង",920 "ក្រុម",921 "យុវវ័យ",922 " ",923 "ដែល",924 "ត្រូវ",925 "ទាក់ទាញ",926 "ឱ្យ",927 "មក",928 "ធ្វើតេស្ត",929 "រក",930 "មេរោគ",931 "អេដស៍",932 " ",933 "ឱ្យ",934 "បាន",935 "ច្រើន",936 "ជា",937 "ទីបំផុត",938 "។"939 ],940 "ner_tags": [941 0,942 0,943 0,944 0,945 0,946 0,947 0,948 0,949 0,950 0,951 0,952 0,953 0,954 0,955 0,956 0,957 0,958 0,959 0,960 0,961 0,962 0,963 0,964 0,965 0,966 0,967 0,968 0,969 0,970 0,971 0,972 0,973 0,974 0,975 0,976 0,977 13,978 14,979 0,980 0,981 0,982 0,983 0,984 0,985 0,986 0,987 0,988 0,989 0,990 0,991 0,992 0,993 0,994 0,995 0,996 0,997 0,998 0,999 0,1000 0,1001 0,1002 0,1003 0,1004 0,1005 0,1006 0,1007 0,1008 0,1009 0,1010 0,1011 0,1012 0,1013 0,1014 0,1015 0,1016 0,1017 0,1018 0,1019 0,1020 0,1021 0,1022 0,1023 0,1024 0,1025 0,1026 0,1027 13,1028 14,1029 0,1030 0,1031 0,1032 0,1033 0,1034 0,1035 01036 ]1037 },1038 {1039 "tokens": [1040 "ប្រជ្រុយ",1041 "ដែល",1042 "មាន",1043 "រាង",1044 "ខុសពី",1045 "ធម្មតា",1046 " ",1047 "ពណ៌",1048 " ",1049 "ទំហំ",1050 " ",1051 "ឈឺចាប់",1052 " ",1053 "ឬ",1054 "រមាស់",1055 " ",1056 "ក៏",1057 "អាច",1058 "បង្ក",1059 "ជា",1060 "ដំបៅ",1061 " ",1062 "ហើយ",1063 "នោះ",1064 "គឺជា",1065 "សញ្ញា",1066 "ព្រមាន",1067 "នៃ",1068 "ជំងឺ",1069 "មហារីក",1070 "ស្បែក",1071 "។"1072 ],1073 "ner_tags": [1074 0,1075 0,1076 0,1077 0,1078 0,1079 0,1080 0,1081 0,1082 0,1083 0,1084 0,1085 15,1086 0,1087 0,1088 15,1089 0,1090 0,1091 0,1092 0,1093 0,1094 0,1095 0,1096 0,1097 0,1098 0,1099 0,1100 0,1101 0,1102 3,1103 4,1104 4,1105 01106 ]1107 },1108 {1109 "tokens": [1110 "របាយការណ៍",1111 " ",1112 "បាន",1113 "ឱ្យដឹង",1114 "ទៀត",1115 "ថា",1116 " ",1117 "ចំនួន",1118 "អ្នក",1119 "មក",1120 "ទទួល",1121 "សេវា",1122 "សុខាភិបាល",1123 "របស់",1124 "ក្រសួង",1125 "មហាផ្ទៃ",1126 " ",1127 "បើ",1128 "ធៀប",1129 "នឹង",1130 "ឆ្នាំ",1131 "២០២៣",1132 " ",1133 "បាន",1134 "កើនឡើង",1135 "ពី",1136 "ចំនួន",1137 " ",1138 "៩.",1139 "៤៧៥",1140 "នាក់",1141 " ",1142 "ស្មើនឹង",1143 "កំណើន",1144 "១៣៩",1145 "%",1146 "។"1147 ],1148 "ner_tags": [1149 0,1150 0,1151 0,1152 0,1153 0,1154 0,1155 0,1156 0,1157 0,1158 0,1159 0,1160 0,1161 0,1162 0,1163 11,1164 12,1165 0,1166 0,1167 0,1168 0,1169 1,1170 2,1171 2,1172 0,1173 0,1174 0,1175 0,1176 0,1177 5,1178 6,1179 6,1180 0,1181 0,1182 0,1183 0,1184 0,1185 01186 ]1187 },1188 {1189 "tokens": [1190 "នៅក្នុង",1191 "ទឹក",1192 "។"1193 ],1194 "ner_tags": [1195 0,1196 0,1197 01198 ]1199 },1200 {