entity-recognition-datasets
多领域实体识别和命名实体识别任务数据集
此库包含多个领域的实体识别和命名实体识别（NER）任务数据集，包括新闻、社交媒体、医学等。项目提供数据目录和转换代码，部分数据因许可证限制无法直接共享。虽然自2020年起更新较少，但仍接受通过issue或pull request添加的数据集，并支持多种语言的NER数据，如德语、西班牙语和荷兰语等。
项目介绍：entity-recognition-datasets
简介
Entity-recognition-datasets是一个致力于实体识别和命名实体识别（NER）任务的数据集集合。此库包含多个领域的英文和其他语言的数据集，通过多种实体类型进行注释。这些数据集对于研究和应用各类实体识别任务都是极其有用的资源。
英文实体识别数据集
英文实体识别（NER）的数据集丰富多样，覆盖新闻、社交媒体、医学、金融等多个领域。以下列举部分代表性数据集：
- CONLL 2003：一个用于新闻领域的经典数据集，由Sang和Meulder于2003年首次引入。
- NIST-IEER：来源于NIST 1999 IE-ER，适用于新闻领域。
- OntoNotes 5：涵盖了多个领域的数据集，由Weischedel等人于2013年推出。
- wikigold：基于维基百科的数据集，注释采用CC-BY 4.0许可。
- i2b2医疗数据集：包括2006和2014年的数据集，毒材料至医疗文献，用于医学领域的实体识别。
非英文实体识别数据集
除了英文数据集，该项目还收录了许多其他语言的NER数据集。这些数据集让语言研究者能够在多语言环境中进行NER研究。部分语言包括：
- 德语：如CoNLL 2003 GermEval 2014等。
- 西班牙语和加泰罗尼亚语：如AnCora数据集。
- 法律和医学领域专用数据集：例如以法语为主的QUAERO医学和广播新闻语料库。
特性和附录
这个项目平台允许开发者和研究人员提交新的数据集，扩展可用数据集的数量和多样性。虽然自2020年以来项目不再主动增加数据集，但项目依旧接受通过“问题”或“拉取请求”的方式来增加新的数据集。此外，各数据集的使用权主要受限于其 特定的许可类型，从DUA（数据使用协议）、LDC发布许可、到开放许可如CC BY-SA等都有所涵盖。项目文档的子目录中提供了更详细的许可信息。
未来发展
对于有兴趣者而言，可通过阅读项目的更新文档和讨论来获取更多支持信息以及参与项目的机会。这些努力不仅对于学术研究有深远意义，更为推动实体识别技术在实际应用中的普及提供了坚实的基础。
entity-recognition-datasets项目对于希望通过实体识别技术更好地理解语言和文本的开发者、数据科学家、研究人员以及语言爱好者来说，是一个不可或缺且宝贵的资源。
编辑推荐精选
TRAE编程
AI辅助编程，代码自动修复
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
蛙蛙写作
AI小说写作助手，一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
咔片PPT
AI助力，做PPT更简单！
咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。
讯飞绘文
选题、配图、成文，一站式创作，让内容运营更高效
讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。
材料星
专业的AI公文写作平台，公文写作神器
AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号