CoolFace
Datasetpublic

ttxy/cn_ner

来源 https://github.com/liucongg/NLPDataSet 从网上收集数据，将CMeEE数据集、IMCS21_task1数据集、CCKS2017_task2数据集、CCKS2018_task1数据集、CCKS2019_task1数据集、CLUENER2020数据集、MSRA数据集、NLPCC2018_task4数据集、CCFBDCI数据集、MMC数据集、WanChuang数据集、PeopleDairy1998数据集、PeopleDairy2004数据集、GAIIC2022_task2数据集、WeiBo数据集、ECommerce数据集、FinanceSina数据集、BoSon数据集、Resume数据集、Bank数据集、FNED数据集和DLNER数据集等22个数据集进行整理清洗，构建一个较完善的中文NER数据集。 数据集清洗时，仅进行了简单地规则清洗，并将格式进行了统一化，标签为“BIO”。 处理后数据集详细信息，见数据集描述。 数据集由NJUST-TB一起整理。 由于部分数据包含嵌套实体的情况，所以转换成BIO标签时，长实体会覆盖短实体。 数据… See the full description on the dataset page: https://huggingface.co/datasets/ttxy/cn_ner.

sourceHugging Facebsdupdated 3y agoView on Hugging Face
6likes195downloads
Dataset Card

来源 https://github.com/liucongg/NLPDataSet

  • —从网上收集数据，将CMeEE数据集、IMCS21task1数据集、CCKS2017task2数据集、CCKS2018task1数据集、CCKS2019task1数据集、CLUENER2020数据集、MSRA数据集、NLPCC2018task4数据集、CCFBDCI数据集、MMC数据集、WanChuang数据集、PeopleDairy1998数据集、PeopleDairy2004数据集、GAIIC2022task2数据集、WeiBo数据集、ECommerce数据集、FinanceSina数据集、BoSon数据集、Resume数据集、Bank数据集、FNED数据集和DLNER数据集等22个数据集进行整理清洗，构建一个较完善的中文NER数据集。
  • —数据集清洗时，仅进行了简单地规则清洗，并将格式进行了统一化，标签为“BIO”。
  • —处理后数据集详细信息，见数据集描述。
  • —数据集由NJUST-TB一起整理。
  • —由于部分数据包含嵌套实体的情况，所以转换成BIO标签时，长实体会覆盖短实体。
数据原始数据/项目地址样本个数类别原始数据描述
CMeEE数据集地址20000条sym、dep、dru、pro、equ、dis、mic、ite和bod中文医疗信息处理挑战榜CBLUE中医学实体识别数据集
IMCS21_task1数据集地址98452条Operation、DrugCategory、MedicalExamination、Symptom和DrugCCL2021第一届智能对话诊疗评测比赛命名实体识别数据集
CCKS2017_task2数据集地址2229条symp、dise、chec、body和cureCCKS2017面向电子病历的命名实体识别数据集
CCKS2018_task1数据集地址797条症状和体征、检查和检验、治疗、疾病和诊断、身体部位CCKS2018面向中文电子病历的命名实体识别数据集
CCKS2019_task1数据集地址1379条解剖部位、手术、疾病和诊断、药物、实验室检验、影像检查CCKS2019面向中文电子病历的命名实体识别数据集
CLUENER2020数据集地址12091条game、organization、government、movie、name、book、company、scene、position和addressCLUENER2020数据集
MSRA数据集地址48442条LOC、ORG和PERMSRA微软亚洲研究院开源命名实体识别数据集
NLPCC2018_task4数据集地址21352条language、origin、theme、customdestination、style、phonenum、destination、contact_name、age、singer、song、instrument、toplist、scene和emotion任务型对话系统数据数据集
CCFBDCI数据集地址15723条LOC、GPE、ORG和PER中文命名实体识别算法鲁棒性评测数据集
MMC数据集地址3498条Level、Method、Disease、Drug、Frequency、Amount、Operation、Pathogenesis、Testitems、Anatomy、Symptom、Duration、Treatment、TestValue、ADE、Class、Test和Reason瑞金医院MMC人工智能辅助构建知识图谱大赛数据集
WanChuang数据集地址1255条药物剂型、疾病分组、人群、药品分组、中药功效、症状、疾病、药物成分、药物性味、食物分组、食物、证候和药品"万创杯”中医药天池大数据竞赛—智慧中医药应用创新挑战赛数据集
PeopleDairy1998数据集[地址]()27818条LOC、ORG和PER人民日报1998数据集
PeopleDairy2004数据集[地址]()286268条LOC、ORG、PER、T人民日报2004数据集
GAIIC2022_task2数据集地址40000条该比赛共有52种类别商品标题实体识别数据集
WeiBo数据集地址1890条LOC.NAM、LOC.NOM、PER.NAM、ORG.NOM、ORG.NAM、GPE.NAM和PER.NOM社交媒体中文命名实体识别数据集
ECommerce数据集地址7998条MISC、XH、HPPX和HCCX面向电商的命名实体识别数据集
FinanceSina数据集地址1579条LOC、GPE、ORG和PER新浪财经爬取中文命名实体识别数据集
BoSon数据集地址2000条time、productname、personname、location、orgname和companyname玻森中文命名实体识别数据集
Resume数据集地址4761条NAME、EDU、LOC、ORG、PRO、TITLE、CONT和RACE中国股市上市公司高管的简历
Bank数据集地址10000条BANK、COMMENTSADJ、COMMENTSN和PRODUCT银行借贷数据数据集
FNED数据集地址10500条LOC、GPE、ORG、EQU、TIME、FAC和PER高鲁棒性要求下的领域事件检测数据集
DLNER数据集地址28897条Location、Thing、Abstract、Organization、Metric、Time、Physical、Person和Term语篇级命名实体识别数据集
  • —清洗及格式转换后的数据，下载链接如下：百度云 / 提取码：4sea
  • —注意：部分嵌套实体的数据，使用长实体覆盖了短实体，有嵌套实体需求的同学，请自行使用原始数据。