xusenlin/clue-ner

CLUE-NER是一个用于命名实体识别任务的中文数据集。数据集包含文本和实体信息，实体信息包括实体的ID、实体字符串、实体的起始和结束位置以及实体的标签。数据集分为训练集、测试集和验证集，分别包含10748、1345和1343个样本。数据集的总大小为2906954字节，下载大小为1658426字节。数据集的语言为中文，标签为命名实体识别，许可证为Apache-2.0。

CLUE-NER is a Chinese dataset dedicated to the named entity recognition (NER) task. The dataset comprises textual data and entity annotations, where the entity annotations include entity ID, entity string, the start and end positions of the entity, and entity label. It is divided into training, test, and validation sets, with 10748, 1345, and 1343 samples respectively. The total size of the dataset is 2906954 bytes, while the download size is 1658426 bytes. The dataset is in Chinese, targets the named entity recognition task, and uses the Apache-2.0 license.

原始信息汇总

数据集概述

数据集基本信息

• 名称: CLUE-NER 命名实体识别数据集
• 语言: 中文 (zh)
• 标签: 命名实体识别
• 许可证: Apache-2.0

数据集特征

• text (字符串类型): 文本内容
• entities (列表类型): 文本中包含的实体信息
  • id (整数类型): 实体 id
  • entity (字符串类型): 实体对应的字符串
  • start_offset (整数类型): 实体开始位置
  • end_offset (整数类型): 实体结束位置的下一位
  • label (字符串类型): 实体对应的开始位置

数据集分割

• 训练集
  • 样本数量: 10748
  • 数据大小: 2443356 字节
• 测试集
  • 样本数量: 1345
  • 数据大小: 154492 字节
• 验证集
  • 样本数量: 1343
  • 数据大小: 309106 字节

数据集大小

• 下载大小: 1658426 字节
• 数据集总大小: 2906954 字节