seongyeon1/ko-pii-ner-100k

한국 PII 특화 학습용 데이터셋 (ko_pii_v1) 한국 고유 식별자와 조사 결합 경계를 정면으로 다루는 한국어 PII NER 학습 데이터셋. 1. 개요 학습용 98,845건 + 외부 평가용 홀드아웃 2,006건 라벨 20종 3티어 / BIO 41 클래스 시드 42, 검증자릿수 정책 invalid, 사용 티어 [1, 2, 3] 포맷: JSONL. {id, text, spans:[{start,end,label,value}], meta} 이 레포의 NERPreprocessor span 포맷과 동일해 학습 경로 수정 없이 사용 가능 1-1. 이 데이터셋으로 학습한 모델 seongyeon1/ko-pii-ner-roberta-base (klue/roberta-base 파인튜닝, CC-BY-SA-4.0) 학습에 한 번도 쓰이지 않은 KDPII 공식 test split 기준 F5 0.9344. 내부… See the full description on the dataset page: https://huggingface.co/datasets/seongyeon1/ko-pii-ner-100k.