ttxy/resume_ner

中文 resume ner 数据集， 来源: https://github.com/luopeixiang/named_entity_recognition 。 数据的格式如下，它的每一行由一个字及其对应的标注组成，标注集采用BIOES，句子之间用一个空行隔开。 美 B-LOC 国 E-LOC 的 O 华 B-PER 莱 I-PER 士 E-PER 我 O 跟 O 他 O 谈 O 笑 O 风 O 生 O 效果 不同模型的效果对比： Bert-tiny 结果 model precision recall f1-score support BERT-tiny 0.9490 0.9538 0.9447 全部 BERT-tiny 0.9278 0.9251 0.9313 使用 100 train 注： 后面再测试，BERT-tiny(softmax) + 100 训练样本，暂时没有复现 0.9313 的结果，最好结果 0.8612 BERT-tiny +… See the full description on the dataset page: https://huggingface.co/datasets/ttxy/resume_ner.