-
基于卡巴耶扎尔托什语的三语铭文_词级对齐与命名实体开放数据
2026年2月9日 30 83 54
数据集概述 本数据集包含Ka'ba-ye Zartošt（ŠKZ）三语铭文的希腊语、中古波斯语、帕提亚语版本的句级与词级对齐语料，以及人工提取的命名实体。语料遵循Huyse（1999）的行编号，对齐由Ugarit工具生成，命名实体含近400个标注为人物、地点或地点衍生物的条目，部分关联维基数据。 文件详解 对齐语料文件 合并文件：alignment-...
-
AnCora_西班牙语多层面标注语料库数据3_0_1
2026年1月31日 30 83 53
数据集概述 本数据集为AnCora 3.0.1西班牙语语料库，包含约50万字的新闻文本，覆盖词元、词性、句法成分、论元结构、动词语义类、名物化隐含论元等多层面标注，支持自然语言处理相关研究与应用。 文件详解 文件名称：AnCora 3.0.1 Spanish.zip 文件格式：ZIP...
-
EuPMC_Based_开放获取出版物命名实体提取事实数据
2026年1月29日 30 146 90
数据集概述 本数据集从2016年6月1日至5日的EuropePMC开放获取（OA）出版物全文中提取命名实体，通过将文本加载到ElasticSearch并使用ContentMine词典查询完成。包含2个JSON格式文件，无目录层级，未划分训练/测试、数据/标签或原始/处理集，文件类型单一为JSON。 文件详解...
-
CrowdTruth_Based_众包命名实体黄金标准数据_v1_0
2026年1月23日 30 176 18
数据集概述 本数据集包含通过混合多命名实体识别（Multi-NER）众包增强方法，在英文维基百科句子中识别和分类命名实体的实验结果，提供众包标注的命名实体黄金标准数据，支持自然语言处理领域的相关研究与应用。 文件详解 文件名称：CrowdTruth/Crowdsourcing-NamedEntities-GoldStandard-v1.0.zip...
-
AnCora_Catalan_Based_加泰罗尼亚语多层面标注语料库_2_0_0版
2026年1月18日 30 70 41
数据集概述 本数据集为AnCora Catalan 2.0.0加泰罗尼亚语语料库，包含约五十万字，主要基于新闻文本构建。数据在词元与词性、句法成分与功能、论元结构与题元角色、动词语义类、名词WordNet同义词集关联、命名实体及共指关系等多层面进行标注，是自然语言处理研究的基础资源。 文件详解 文件名称：AnCora Catalan 2.0.0.zip...
-
HIPE_2022共享任务命名实体数据集
2025年12月22日 30 3 1
数据集概述 本数据集是HIPE-2022共享任务的专用数据，用于多语言历史文档中的命名实体识别与分类（NERC）及实体链接（EL）任务。基于六个原始数据集构建，涵盖约两百年的历史报纸和经典评注，包含多种语言和实体标注方案。 文件详解 文件名称: HIPE-2022-data-2.1-test-all-unmasked.zip 文件格式: ZIP压缩包...
-
SemEval_2022多语言新闻文章相似度数据集
2025年12月20日 30 136 15
数据集概述 该数据集包含2020年上半年的多语言新闻文章对，标注了地理焦点、命名实体、时间、叙事框架、整体内容、写作风格及语气共七个维度的相似度，为新闻文本相似度研究提供标注数据支持。 文件详解 数据文件（CSV格式）： final_eval_data.csv：评估数据集，包含文章对语言、URL、互联网档案馆链接及GEO、ENT等七个相似度标注字段...
-
瑞士新冠疫情主流媒体词汇与命名实体分析数据集
2025年12月12日 30 46 4
数据集概述 本数据集通过自定义解析器和自然语言处理（NLP）流程，分析2020年1月至2021年5月主流媒体中德、法、意、英四种语言的瑞士新冠疫情相关新闻，提取词汇（Lemmas）和命名实体的出现频率，反映疫情信息传播趋势。 文件详解 metadata.xlsx: Excel格式文件，包含新闻文章检索策略、数量等元数据信息 export.zip:...
-
COPIOUS生物多样性文献命名实体标注指南
2025年12月11日 30 55 30
数据集概述 本数据集是COPIOUS生物多样性文献命名实体语料库的配套标注指南，明确标注人员对五类实体的标注范围、标注跨度、例外规则及示例说明，为标准化实体标注提供操作依据。 文件详解 文件名称：oo_252228.pdf 文件格式：PDF...
-
多语言新闻文章相似度数据集
2025年12月9日 30 59 8
数据集概述 该数据集是作者早期工作的扩展版本，包含2020年上半年的新闻文章对及其相似度标注。标注涵盖地理焦点、命名实体、时间相关性、叙事模式、整体内容、写作风格、语气及框架观点共八个维度，为多语言新闻文本的相似度分析提供结构化标注数据。 文件详解 文档文件： Codebook for text similarity annotations -...
-
命名实体识别新闻语料库NamedEntityRecognitionNewsCorpus-henry41148
2025年5月19日 30 208 64
命名实体识别新闻语料库NamedEntityRecognitionNewsCorpus-henry41148 数据来源：互联网公开数据 标签：命名实体识别, 自然语言处理, 文本标注, 语料库, 信息抽取, 机器学习, 文本分析, 语言学 数据概述： 该数据集包含来自新闻报道的文本数据，记录了经过人工标注的命名实体信息。主要特征如下：...
-
英文命名实体识别数据集EnglishNamedEntityRecognitionDataset-ruanamxoai
2025年5月14日 30 190 95
英文命名实体识别数据集EnglishNamedEntityRecognitionDataset-ruanamxoai 数据来源：互联网公开数据 标签：命名实体识别, 自然语言处理, 文本标注, 序列标注, 机器学习, 实体识别, 数据集, 语料库 数据概述：...
-
图像特征与命名关系数据集ImageFeatureandNamingRelationshipDataset-thiocstits
2025年5月8日 30 67 4
图像特征与命名关系数据集ImageFeatureandNamingRelationshipDataset-thiocstits 数据来源：互联网公开数据 标签：图像识别, 命名实体, 图像特征, VQA, 数据集, 机器学习, 计算机视觉, 特征工程 数据概述：...
-
巴西人口普查姓名频率分析数据集BrazilCensusNameFrequencyAnalysis2010-josevitormichelin
2025年4月30日 30 180 59
巴西人口普查姓名频率分析数据集BrazilCensusNameFrequencyAnalysis2010-josevitormichelin 数据来源：互联网公开数据 标签：人口普查, 姓名分析, 频率统计, 巴西, 数据挖掘, 统计分析, 文本数据, 命名实体 数据概述：...
-
欧洲议会命名实体识别数据集EuroParlNamedEntityRecognitionDataset-julianschelb
2025年4月24日 30 96 33
欧洲议会命名实体识别数据集EuroParlNamedEntityRecognitionDataset-julianschelb 数据来源：互联网公开数据 标签：自然语言处理，命名实体识别，数据集，文本分析，机器翻译，语言学，NLP，欧洲议会 数据概述： 该数据集包含来自欧洲议会会议记录的文本数据，专注于命名实体识别任务。主要特征如下：...
