日期：2022-07-10 文件：ner_dataset.csv 来源： Kaggle entity annotated corpus 备注：该数据集仅包含标记和命名实体识别标签。标签为大写字母。

关于数据集

from Kaggle Datasets

上下文

使用GMB（格罗宁根含义库）语料库对命名实体识别进行注释的语料库，通过自然语言处理应用于数据集的增强和流行特征进行实体分类。

提示：为了方便，如果使用Python，请使用Pandas Dataframe来加载数据集。

内容

这是从GMB语料库中提取出来的，经过标记、注释和构建的数据集，专门用于训练分类器以预测诸如名称、位置等命名实体。

标记的实体数量：

'O': 1146068，'geo-nam'：58388，'org-nam'：48034，'per-nam'：23790，'gpe-nam'：20680，'tim-dat'：12786，'tim-dow'：11404，'per-tit'：9800，'per-fam'：8152，'tim-yoc'：5290，'tim-moy'：4262，'per-giv'：2413，'tim-clo'：891，'art-nam'：866，'eve-nam'：602，'nat-nam'：300，'tim-nam'：146，'eve-ord'：107，'per-ini'：60，'org-leg'：60，'per-ord'：38，'tim-dom'：10，'per-mid'：1，'art-add'：1

关于实体的基本信息

• 地理实体（geo）
• 组织（org）
• 人（per）
• 地缘政治实体（gpe）
• 时间指示器（tim）
• 人造物品（art）
• 事件（eve）
• 自然现象（nat）
• 总词数=1354149
• 目标数据列：“标签”（ner_tag在此存储库中）

启发：由于该数据集的最新版本添加了更多功能，因此这个数据集变得越来越有趣。此外，它有助于为该数据集相关的特征工程创建广泛的视角。

修改

ner_dataset.csv 被修改为与 CoNLL-2003 dataset 具有相似的数据结构。

许可信息

数据库：开放数据库，内容：数据库内容。