"thainer-corpus-v2" 数据集卡片

泰语命名实体识别语料库

主页： https://pythainlp.github.io/Thai-NER/version/2

训练脚本和分割数据： https://zenodo.org/record/7761354

您可以下载.conll文件以训练命名实体模型在 https://zenodo.org/record/7761354 中。

大小

• 训练集：3,938篇文档
• 验证集：1,313篇文档
• 测试集：1,313篇文档

一些数据来自2018年12月至2019年11月间的众包。 https://github.com/wannaphong/thai-ner

领域

• 新闻（IT、政治、经济、社会）
• 公共关系（KKU新闻）
• 通用

来源

• 我使用了Nutcha的论文数据（ http://pioneer.chula.ac.th/~awirote/Data-Nutcha.zip ）并通过重新检查和添加更多标记来改进数据。
• Twitter
• Blognone.com - IT新闻
• thaigov.go.th
• kku.ac.th

以及更多（列表已丢失）

标签

• 数据 - 日期
• 时间 - 时间
• 电子邮件 - 电子邮件
• 长度 - 长度
• 地点 - 地点
• 组织 - 公司/组织
• 个人 - 姓名
• 手机 - 电话号码
• 温度 - 温度
• 网址 - URL
• 邮政编码 - 邮政编码
• 金额 - 数量
• 法律 - 法规
• 百分比 - 百分比

下载： HuggingFace Hub

引用

Wannaphong Phatthiyaphaibun.（2022）。Thai NER 2.0（2.0）[数据集]。Zenodo。 https://doi.org/10.5281/zenodo.7761354

或者BibTeX

@dataset{wannaphong_phatthiyaphaibun_2022_7761354,
  author       = {Wannaphong Phatthiyaphaibun},
  title        = {Thai NER 2.0},
  month        = sep,
  year         = 2022,
  publisher    = {Zenodo},
  version      = {2.0},
  doi          = {10.5281/zenodo.7761354},
  url          = {https://doi.org/10.5281/zenodo.7761354}
}