ホーム>プログラミング関連>その他のソースコード
ダウンロード

エンティティ認識のためのデータセット

このリポジトリには、さまざまなエンティティタイプが注釈されたいくつかのドメインからのデータセットが含まれており、エンティティ認識と名前付きエンティティ認識（NER）タスクに役立ちます。

注：このリストにデータセットを積極的に追加していません。2020年以来登場しているNERデータセットが増えている可能性があります。ただし、問題やプルリクエストを介してデータセットを追加していただければ幸いです。

英語のNERのデータセット

次の表は、英語のエンティティ認識のためのデータセットのリストを示しています（他の言語のNERデータセットのリストについては、以下を参照）。データディレクトリには、ライセンスの制限が原因で共有できなかったデータセットを取得する場所に関する情報と、それらを（必要に応じて）CONLL 2003形式に変換するコードが含まれています。他の言語のNERコーパスへのリンクも以下にリストされています。

データセットドメインライセンス参照可用性
CONLL 2003ニュースドゥアSang and Meulder、2003年見つけやすい
Nist-IeerニュースなしNIST 1999 IE-er NLTKデータ
MUC-6ニュースLDCグリッシュマンとサンドハイム、1996年LDC 2003T13
オントノーテ5様々なLDC Weischedel et al。、2013 LDC 2013T19
BBN様々なLDC Weischedel and Brunstein、2005年LDC 2005T33
GMB-1.0.0様々ななしBos et al。、2017 http://gmb.let.rug.nl/data.php
ガム-3.1.0ウィキいくつか（ * 2）ゼルデス、2016年ここに含まれています
ウィキゴールドウィキペディアCC-by 4.0 Balasuriya et al。、2009ここに含まれています
リッターツイッターなしRitter et al。、2011分割なし、トレーニング/テスト/開発
BTCツイッターCC-by 4.0 Derczynski et al。、2016ここに含まれています
WNUT17ソーシャルメディアCC-by 4.0 Derczynski et al。、2017ここに含まれています
I2B2-2006医学ドゥアUzuner et al。、2007 http://www.i2b2.org
I2B2-2014医学ドゥアStubbs et al。、2015 http://www.i2b2.org
CADEC医学csiro Karimi et al。、2015 http://data.csiro.au/
アネム解剖学的CC-SA 3.0 Ohta et al。、2012ここに含まれています
MitrestaurantクエリなしLiu et al。、2013a http://groups.csail.mit.edu/sls/
ミトモビークエリなしLiu et al。、2013b http://groups.csail.mit.edu/sls/
MalWARETEXTDBマルウェアなしLim et al。、2017 http://www.statnlp.org/
Re3d防衛いくつか（ * 1） DSTL、2017年ここに含まれています
Sec-FilingsファイナンスCC-by 3.0 Alvarado et al。、2015ここに含まれています
組み立てロボット工学x Costa et al。、2017 x
ウィキネラルウィキペディアCC by-sa-nc 4.0 Tedeschi et al。、2021 https://github.com/babelscape/wikineural
MultiNerdウィキペディアCC by-sa-nc 4.0 Tedeschi et al。、2022 https://github.com/babelscape/multinerd
HIPE-2022歴史的CC by-sa-nc 4.0 Ehrmann et al。、2022 https://github.com/hipe-eval/hipe-2022-data
音楽家音楽mit Epure and Hennequin、2023 https://github.com/deezer/music-ner-eacl2023
wiesp2022-ner天体物理学CC by-sa-nc 4.0 Grezes et al。、2022 https://huggingface.co/datasets/adsabs/wiesp2022-ner
nneニュースCC 4.0 / LDC Ringland et al。、2019 https://github.com/nickyringland/nested_named_entities
世界中ニュースCC by-sa-nc 4.0 Shan et al。、2023 https://github.com/stanfordnlp/en-worldwide-newswire https://arxiv.org/abs/2404.13465

ライセンス

ライセンスに関するメモ：

（1）RE3D（ "関係とエンティティ抽出評価データセット"）には、異なるライセンスがあるいくつかのデータセットが含まれています。これらは：

  • CC-SA 3.0（ウィキペディアデータセット）
  • CC by-nc 3.0（bbc_onlineデータセット）
  • CC by 3.0 AU（Australian_department_of_foreign_affairsデータセット）
  • パブリックドメイン（US_STATE_DEPARTMENTデータセット、CENTCOMデータセット）
  • UK Open Governmentライセンスv3.0（uk_governmentデータセット）
  • Delegation_of_the_european_union_to_syria：https：//eeas.europa.eu/delegations/syria/8157/legal-notice_enを参照してください
  1. Gum 3.1.0は3つのデータセットで構成され、CC-BY 3.0、CC-BY-SA 3.0、CC-BY-NC-SA 3.0のライセンスがあります。注釈は、CC-By 4.0でライセンスされています。

各データセットのより詳細なライセンス情報は、対応するサブディレクトリにあります。

後で... - Tabassum et al。、Stackoverflow https://cocoxu.github.io/publications/acl2020_stackoverflow_ner.pdfのコードと名前付きエンティティ認識 - litbank：https://github.com/dbamman/litbank（naactated dataset of shen、ancat dataset of shen、aan shen、naactbank） NNE：英語ニュースワイヤーのネストされた名前付きエンティティ認識のデータセット、2019年https://github.com/nickyringland/nested_named_entities -Mars Target Encyclopedia -LPSC Abstractsラベル付きデータセット：https：// Zenodo.org/Record/104848419#.W5A2 https://www.kaggle.com/dataturks/best-buy-ecommerce-ner-dataset/home- nerのエンティティの履歴書：https：//www.kaggle.com/dataturks/resume-entities-for-ner/home-数え切れないものhttps://aclanthology.org/2021.acl-long.248/

他の言語のNERのデータセット

語彙指定されたエンティティリソース

  • Heiner：http：//heiner.cl.uni-heidelberg.de/index.shtml
  • Neckar：https：//event.ifi.uni-heidelberg.de/?page_id=532#wikidata_ne_dataset

コードスイッチング

  • 英語とスペインのツイート（Calcs 2018）：https：//code-switching.github.io/2018/; https://code-switching.github.io/2018/files/spa-eng/release.zip; http://www.aclweb.org/anthology/w18-3219
  • アラビア語 - エジプトのツイート（Calcs 2018）：https：//code-switching.github.io/2018/; https://code-switching.github.io/2018/files/msa-egy/arabictweetstokenassigner.zip; http://www.aclweb.org/anthology/w18-3219
  • Hindi-Englishソーシャルメディアテキスト：https：//github.com/silentflame/named-entity-ecognition; http://aclweb.org/anthology/w18-2405
  • EMNLP 2014共有タスク - コードスイッチツイート（ネパール英語、スペイン語 - 英語、マンダリン - 英語、アラビア語 - アラビック方言）：http：//mendlp2014.org/workshops/codeswitch/call.html

ドイツ語

  • Conll 2003（英語、ドイツ語）：https：//www.clips.uantwerpen.be/conll2003/ner/
  • Germeval 2014：https：//sites.google.com/site/germeval2014ner/data
  • ドイツ語のチュービンゲンツリーバンク（Tüba-d/z）：http：//www.sfs.uni-tuebingen.de/en/ascl/resources/corpora/tueba-dz.html
  • 欧州新聞（オランダ語、フランス語、ドイツ語）：https：//github.com/europeananewspapers/ner-corpora; http://lab.kb.nl/dataset/europeana-newspapers-ner#access
  • ドイツのEuroparl転写産物（サブセット）：https：//nlpado.de/~sebastian/software/ner_german.shtml
  • ドイツ語の名前付きエンティティモデル、政治（nemgp）：https：//www.thomas-zastrow.de/nlp/
  • ウィキナー：https：//figshare.com/articles/learning_multilingual_named_entity_recognition_from_wikipedia/5462500
  • Wikineural：https：//github.com/babelscape/wikineural
  • Multinerd：https：//github.com/babelscape/multinerd
  • DFKI SmartData Corpus（地理学）：https：//dfki-lt-re-group.bitbucket.io/smartdata-corpus/ Gabryszak、Leonhard Hennig、2018年の議事録）
  • dbpedia抽象コーパス（英語、ドイツ語、オランダ語、フランス語、イタリア語、日本語）：http：//downloads.dbpedia.org/2015-04/ext/nlp/abstracts/
  • DAWTデータセット - 複数の言語（英語、スペイン語、フランス語、イタリア語、ドイツ語、アラビア語）にわたって密集した注釈付きウィキペディアテキスト：https：//github.com/klout/opendata/tree/master/wiki_annotation
  • Elena Leitner、Georg Rehm、Juliデータ：https：//github.com/elenanereiss/legal-entity-ecognition
  • HIPE-2022、名前付きエンティティ認識と多言語の歴史的文書にリンクされているエンティティ：https：//hipe-eval.github.io/phe-2022/ https://github.com/hipe-eval/phe-2022-data

オランダ語

  • Conll 2002（スペイン語、オランダ語）：https：//www.clips.uantwerpen.be/conll2002/ner/
  • 欧州新聞（オランダ語、フランス語、ドイツ語）：https：//github.com/europeananewspapers/ner-corpora; http://lab.kb.nl/dataset/europeana-newspapers-ner#access
  • その間のコーパス（パラレルコーパス：英語、スペイン語、イタリア語、オランダ）：http：//www.newsreader-project.eu/results/data/wikinews/
  • ウィキナー：https：//figshare.com/articles/learning_multilingual_named_entity_recognition_from_wikipedia/5462500
  • Wikineural：https：//github.com/babelscape/wikineural
  • Multinerd：https：//github.com/babelscape/multinerd
  • dbpedia抽象コーパス（英語、ドイツ語、オランダ語、フランス語、イタリア語、日本語）：http：//downloads.dbpedia.org/2015-04/ext/nlp/abstracts/
  • オランダ議会文書2015-2016、1848.NL（ジョンカーズ、カエルを使用したオランダの議会文書に関するエンティティ認識、2016年、アムステルダム大学を使用したオランダの議会文書に関するエンティティ認識）：https：//github.com/poezedoez/ner/blob/master/data/lobby/golden_stand
  • ソナー1-デスメットとホステ、ファイングレインのオランダ人のエンティティ認識、2014年（クラスの階層）
  • Corpus-sonar Books and Corpus Gutenberg Dutch：http：//blog.namescape.nl/?page_id=85; http://portal.clarin.nl/node/1940

アフリカーンス

  • nchlt afrikaansはエンティティの注釈付きコーパスを指名しました：https：//repo.sadilar.org/handle/20.500.12185/299

スペイン語

  • Conll 2002（スペイン語、オランダ語）：https：//www.clips.uantwerpen.be/conll2002/ner/
  • Ancora（スペイン語、カタロニア）：http：//clic.ub.edu/corpus/en
  • Deft Spanise TreeBank（LDC2018T01）：https：//catalog.ldc.upenn.edu/ldc2018t01
  • パナセア（ラボ）：http：//panacea-lr.eu/en/info-for-researchers/data-sets/dependency-parsed-corpora/dependency-lab-es
  • パナセア（env）：http：//panacea-lr.eu/en/info-for-researchers/data-sets/dependency-parsed-corpora/dependency-env-es
  • その間のコーパス（パラレルコーパス：英語、スペイン語、イタリア語、オランダ）：http：//www.newsreader-project.eu/results/data/wikinews/
  • ACE 2007（スペイン語とアラビア語）：https：//catalog.ldc.upenn.edu/ldc2014t18
  • ウィキナー：https：//figshare.com/articles/learning_multilingual_named_entity_recognition_from_wikipedia/5462500
  • Wikineural：https：//github.com/babelscape/wikineural
  • Multinerd：https：//github.com/babelscape/multinerd
  • http://www.grupolys.org/~marcos/pub/lrec16.tar.bz2（「文書レベルでの名前付きエンティティ認識のために、レキシコセマンチックなヒューリスティックを共同参照に組み込む」））））））
  • 個人エンティティのコアファレンスアノテーションを備えた多言語コーパス（スペイン語、ガリシア語、ポルトガル語）：http：//gramatica.usc.es/~marcos/lrec.tar.bz2
  • Drugsemantics Gold Standard（Moreno et al。、Drugsemantics：スペイン語の製品特性の要約の指定されたエンティティ認識のためのコーパス、2017年）：https：//data.mendeley.com/datasets/fwc7jrc5jr/11
  • dbpedia抽象コーパス（英語、ドイツ語、オランダ語、フランス語、イタリア語、日本語）：http：//downloads.dbpedia.org/2015-04/ext/nlp/abstracts/
  • DAWTデータセット - 複数の言語（英語、スペイン語、フランス語、イタリア語、ドイツ語、アラビア語）にわたって密集した注釈付きウィキペディアテキスト：https：//github.com/klout/opendata/tree/master/wiki_annotation
  • cantemist（がんテキストマイニング共有タスク - エンティティ認識という名前の腫瘍） - 癌に関連する重要なタイプの概念の名前付き存在の認識、すなわちスペインの医療テキストの腫瘍形態：https：//temu.bsc.es/cantemist/

カタロニア

  • Ancora（スペイン語、カタロニア）：http：//clic.ub.edu/corpus/en

ガリシア語

  • Galian ner Corpus：https：//gramatica.usc.es/~marcos/resources/corpus_gal_nec.txt.gz
  • 個人エンティティのコアファレンスアノテーションを備えた多言語コーパス（スペイン語、ガリシア語、ポルトガル語）：http：//gramatica.usc.es/~marcos/lrec.tar.bz2

バスク

  • バスクという名前のエンティティコーパス（EIEC）：http：//ixa.eus/node/4486?language=en
  • バスクは、名前が付けられたエンティティコーパス（ediec）を編成しました：http：//ixa.si.ehu.es/node/4485?language=en
  • egunkaria 2000コーパス（383 Newswire Texts）、http：//qtleap.eu/wp-content/uploads/2014/04/qtleap-2013-d5.1.pdf

ポルトガル語

  • Harem：https：//www.linguateca.pt/aval_conjunta/harem/harem_ing.html
  • Cintil Corpus：http：//cintil.ul.pt/cintilfeatures.html#corpus
  • ウィキナー：https：//figshare.com/articles/learning_multilingual_named_entity_recognition_from_wikipedia/5462500
  • Wikineural：https：//github.com/babelscape/wikineural
  • Multinerd：https：//github.com/babelscape/multinerd
  • 個人エンティティのコアファレンスアノテーションを備えた多言語コーパス（スペイン語、ガリシア語、ポルトガル語）：http：//gramatica.usc.es/~marcos/lrec.tar.bz2
  • Bosque 8.0 Eagles Format：https：//gramatica.usc.es/~marcos/resources/corpora_flpt.tgz
  • Lener-Br（ブラジルの法的文書）：https：//cic.unb.br/~teodecampos/lener-br/
  • Paramopama：名前付きエンティティ認識のためのブラジル - ポルトガルのコーパス

フランス語

  • エステル：http：//catalogue.elra.info/en-us/repository/browse/elra-s0241/
  • エステル2：http：//catalogue.elra.info/en-us/repository/browse/elra-s0338/
  • etape：http：//catalogue.elra.info/en-us/repository/browse/elra-e0046/
  • 欧州新聞（オランダ語、フランス語、ドイツ語）：https：//github.com/europeananewspapers/ner-corpora; http://lab.kb.nl/dataset/europeana-newspapers-ner#access
  • Quaero French Medical Corpus：https：//quaerofrenchmed.limsi.fr/
  • Quaero Broadcast News拡張名前付きEntity Corpus：http：//catalog.elra.info/en-us/repository/browse/elra-s0349/
  • Quaero Old Press Extended Adament Entity Corpus：http：//catalog.elra.info/en-us/repository/browse/elra-w0073/
  • ウィキナー：https：//figshare.com/articles/learning_multilingual_named_entity_recognition_from_wikipedia/5462500
  • wikiner-fr-gold https://arxiv.org/abs/2411.00030 https://huggingface.co/datasets/danrun/wikiner-fr-gold
  • Wikineural：https：//github.com/babelscape/wikineural
  • Multinerd：https：//github.com/babelscape/multinerd
  • dbpedia抽象コーパス（英語、ドイツ語、オランダ語、フランス語、イタリア語、日本語）：http：//downloads.dbpedia.org/2015-04/ext/nlp/abstracts/
  • DAWTデータセット - 複数の言語（英語、スペイン語、フランス語、イタリア語、ドイツ語、アラビア語）にわたって密集した注釈付きウィキペディアテキスト：https：//github.com/klout/opendata/tree/master/wiki_annotation
  • CAP 2017-（Twitter Data）、Lopez et al。、Cap 2017 Challenge：Twitterという名前のEntity認識、2017年：http：//cap2017.imag.fr/competition.html
  • HIPE-2022、名前付きエンティティ認識と多言語の歴史的文書にリンクされているエンティティ：https：//hipe-eval.github.io/phe-2022/ https://github.com/hipe-eval/phe-2022-data

イタリア語

  • 種類：https：//github.com/dhfbk/kind
  • Evalita：http：//www.evalita.it/2009/tasks/entity
  • その間のコーパス（パラレルコーパス：英語、スペイン語、イタリア語、オランダ）：http：//www.newsreader-project.eu/results/data/wikinews/
  • Panacea（env）：http：//panacea-lr.eu/en/info-for-researchers/data-sets/dependency-parsed-corpora/dependency-env-it
  • Panacea（Lab）：http：//panacea-lr.eu/en/info-for-researchers/data-sets/dependency-parsed-corpora/dependency-lab-it
  • ウィキナー：https：//figshare.com/articles/learning_multilingual_named_entity_recognition_from_wikipedia/5462500
  • Wikineural：https：//github.com/babelscape/wikineural
  • Multinerd：https：//github.com/babelscape/multinerd
  • dbpedia抽象コーパス（英語、ドイツ語、オランダ語、フランス語、イタリア語、日本語）：http：//downloads.dbpedia.org/2015-04/ext/nlp/abstracts/
  • DAWTデータセット - 複数の言語（英語、スペイン語、フランス語、イタリア語、ドイツ語、アラビア語）にわたって密集した注釈付きウィキペディアテキスト：https：//github.com/klout/opendata/tree/master/wiki_annotation

ルーマニア人

  • Ronec（Dumitrescu and Avram、Ronecの紹介-Romanianという名前のエンティティコーパス。LREC2020）。論文：https：//arxiv.org/pdf/1909.01247.pdfデータ：https：//github.com/dumitrescustefan/ronec
  • ルーマニアのジャーナリスティックコーパス（ROCO）：http：//metashare.elda.org/repository/browse/romanistic-corpus-roco/038baa80dc7311e5aa0b00237df3e35838381D7C022084057a018a018a018a018a0187a0187a0187a
  • ルーマニアバランスコーパス（ROMBAC）：http：//metashare.elda.org/repository/browse/romanian-balanced-corpus-rombac/0a7dd85edc7311e5aa0b00237df3e35873a0d66244442d94fba48c294fba48c294fba48c2948c29

ギリシャ語

  • Panacea（env）：http：//panacea-lr.eu/en/info-for-researchers/data-sets/dependency-parsed-corpora/dependency-env-el
  • パナセア（ラボ）：http：//panacea-lr.eu/en/info-for-researchers/data-sets/dependency-parsed-corpora/depenty-lab-el

ハンガリー

  • ハンガリー人名はエンティティコーパス：http：//rgai.inf.u-szeged.hu/index.php?lang=en&page=corpus_ne
  • Hunnerwiki：http：//hlt.sztaki.hu/resources/hunnerwiki.html
  • NYTK：https：//github.com/nytud/nytk-nerkor

チェコ

  • Czechという名前のEntity Corpus：http：//ufal.mff.cuni.cz/cnec
  • BSNLP 2017（クロアチア語、チェコ語、ポーランド語、ロシア語、スロバキア語、スロベニア、ウクライナ語）：http：//bsnlp-2017.cs.helsinki.fi/shared_task_results.html
  • Czeng 1.0（平行コーパス：Czech-english）：http：//ufal.mff.cuni.cz/czeng/czeng10
  • Pero OCR NER（チェコの歴史的OCRクロニクル）：https：//github.com/roman-janik/poner https://dspace.vut.cz/items/6092e1b0-3d75-4451-8582-28573ac30404

研磨

  • ポーランドのsejmコーパス：http：//clip.ipipan.waw.pl/psc
  • BSNLP 2017（クロアチア語、チェコ語、ポーランド語、ロシア語、スロバキア語、スロベニア、ウクライナ語）：http：//bsnlp-2017.cs.helsinki.fi/shared_task_results.html
  • ポリッシュコアレファレンスコーパス：http：//zil.ipipan.waw.pl/polishcoreferencecorpus
  • ウィキナー：https：//figshare.com/articles/learning_multilingual_named_entity_recognition_from_wikipedia/5462500
  • Wikineural：https：//github.com/babelscape/wikineural
  • Multinerd：https：//github.com/babelscape/multinerd
  • 経済ニュースのコーパス（Cen Corpus）：http：//www.nlp.pwr.wroc.pl/narzedzia-i-zasoby/zasoby/cen
  • KPWR（KorpusJęZykaPolskiegoPolitechnikiwrocławskiej/Polidy Corpus ofWrocławsRecholoing of Technology）：http：//plwordnet.pwr.wroc.pl/index.php?option=com_content&view=article＆Id = 35&itemid = 181&lang=pl; http://plwordnet.pwr.wroc.pl/attachments/article/35/kpwr-1.1.7z（Broda et al。、KPWR：Free Corpus of Polish、2012）
  • nkjp：http：//clip.ipipan.waw.pl/nationalcorpusofpolish?action= attachfile&do=view&target=nkjp-podkorpusmilionowy-2.2.tar.gz

クロアチア語

  • HR500K 1.0：http：//hdl.handle.net/11356/1183
  • BSNLP 2017（クロアチア語、チェコ語、ポーランド語、ロシア語、スロバキア語、スロベニア、ウクライナ語）：http：//bsnlp-2017.cs.helsinki.fi/shared_task_results.html
  • reldi-normtagner-hr（クロアチアのツイート）：http：//hdl.handle.net/11356/1170

スロバキア

  • BSNLP 2017（クロアチア語、チェコ語、ポーランド語、ロシア語、スロバキア語、スロベニア、ウクライナ語）：http：//bsnlp-2017.cs.helsinki.fi/shared_task_results.html
  • Slovakはニュースコーパスを分類しました：https：//nlp.web.tuke.sk/pages/categorizednews

スロベニア

  • BSNLP 2017（クロアチア語、チェコ語、ポーランド語、ロシア語、スロバキア語、スロベニア、ウクライナ語）：http：//bsnlp-2017.cs.helsinki.fi/shared_task_results.html
  • SSJ500K：http：//www.slovenscina.eu/tehnologije/ucni-korpus; http://eng.slovenscina.eu/tehnologije/ucni-korpus; https://www.clarin.si/repository/xmlui/handle/11356/1029;注：v 2.2については、http：//hdl.handle.net/11356/1210を参照してください
  • Slovene News：http：//zitnik.si/mediawiki/index.php?title=datasets#slovene_news; http://zitnik.si/mediawiki/images/7/7d/rtvslo_dec2011.tsv; http://zitnik.si/mediawiki/images/5/5e/rtvslo_dec2011_v2.tsv
  • Janes-Tag 2.0（ソーシャルメディアテキスト）https://www.clarin.si/repository/xmlui/handle/11356/1123;参照：Fišeretal。、The Janes Project：Sloveneユーザー生成コンテンツの言語リソースとツール、2018。

ウクライナ人

  • BSNLP 2017（クロアチア語、チェコ語、ポーランド語、ロシア語、スロバキア語、スロベニア、ウクライナ語）：http：//bsnlp-2017.cs.helsinki.fi/shared_task_results.html
  • ウクライナの茶色のnerコーパス：https：//github.com/lang-uk/ner-uk; http://lang.org.ua/en/corpora/

セルビア人

  • setimes.sr -http：//hdl.handle.net/11356/1200
  • セルビア語の名前付きエンティティ評価コーパス：http：//www.korpus.matf.bg.ac.rs/srpneval/
  • reldi-normtagner-sr（セルビアのツイート）：http：//hdl.handle.net/11356/1171

ブルガリア

  • bltreebank（btb）

アイスランド語

  • Mim-Gold-ner（Ingólfsdóttir、SvanhvítLilja、SigurjónÞorsteinsson、およびHrafn Loftsson。 http://www.malfong.is/index.php?pg=mim_gold_ner

デンマーク語

  • Dane：Hvingelby et al。、[Dane：A Named Entity Resource for Danish
  • デンマークのプロップバンク（DPB）：http：//catalog.elra.info/en-us/repository/browse/elra-w0117/
  • arboretum treebank：http：//catalog.elra.info/en-us/repository/browse/elra-w0084/

ノルウェー語

  • ノルウェー語の指名されたエンティティ認識、計算言語学に関する北欧会議の議事録、Bjarte Johansen。 2019（https://www.aclweb.org/anthology/w19-6123.pdf）データ：https：//github.com/ljos/navnkjenner
  • Fredrikjørgensenet al。、norne：Norwegianに指名されたエンティティへの注釈、2019年（https://arxiv.org/pdf/1911.12146.pdf）。データ：https：//github.com/ltgoslo/norne/; https://www.nb.no/sprakbanken/show?serial=oai%3anb.no%3Asbr-49

スウェーデン語

  • ストックホルムインターネットコーパス：https：//www.ling.su.se/english/nlp/corpora-and-resources/sic
  • suc 3.0：https：//spraakbanken.gu.se/eng/resource/suc3
  • スウェーデンの手動注釈付きner：https：//github.com/klintan/swedish-ner-corpus/
  • 医療ウィキペディアデータ（Almgren et al。、Swedish Health Records with Charture Bidelectional LSTMS、2016年のエンティティ認識）：https：//github.com/olofmogren/biomedical-ner-nata-swedish
  • HIPE-2022、名前付きエンティティ認識と多言語の歴史的文書にリンクされているエンティティ：https：//hipe-eval.github.io/phe-2022/ https://github.com/hipe-eval/phe-2022-data

フィンランド語

  • フィンランドの名前付きエンティティのレコギニションのデータセット：https：//github.com/mpsilfve/finer-data
  • Turku Ner Corpus：https：//github.com/turkunlp/turku-ner-corpus
  • HIPE-2022、名前付きエンティティ認識と多言語の歴史的文書にリンクされているエンティティ：https：//hipe-eval.github.io/phe-2022/ https://github.com/hipe-eval/phe-2022-data

エストニアン

  • Estonian Ner Corpus：https：//metashare.ut.ee/repository/browse/estonian-ner-corpus/88d030c0acde11e2a2a6e4005056b0024f1def472ed254e77a8952e1003d9d9f81e////

ラトビア人とリトアニア人

  • https://github.com/accurat-toolkit/tildener/tree/master/test（pinnis、latvian and lithuanianという名前のエンティティ認識、Tildener、LREC 2012）
  • LV Taggerのトレーニングデータ：https：//github.com/peterisp/lvtagger/tree/master/nertrainingdata

トルコ語

  • K̈ucukand Can、名前付きエンティティ認識とスタンス検出に注釈が付けられたツイートデータセット、2019：https：//github.com/dkucuk/tweet-dataset-ner-sd
  • K̈ucuket al。、Turkish Tweetsの名前付きエンティティ認識：http：//optima.jrc.it/resources/2014_jrc_twitter_tr_ner-dataset.zip
  • 英語/トルコ語のウィキペディア名の認識とテキスト分類データセット（http://arxiv.org/abs/1702.02363）：https://data.mendeley.com/datasets/cdcztymf4k/11
  • choban et al、fbnerよりもエンティティ認識という名前：トルコ語の新しいFacebookデータセット：https：//ieeexplore.ieee.org/document/9598971リクエストに応じて利用可能なデータ

カザフ

  • Kaznerd：https：//arxiv.org/pdf/2111.13419.pdf、https://github.com/is2ai/kaznerd

uyghur

  • Uyghurという名前のエンティティ関係コーパス：https：//github.com/kaharjan/uynerel（Abiderexiti et al。、Annotation Schemes for Annotation Schemes for Annotation relationcorpus。IALP2016）

アルメニア人

  • パイオナー（ゴールドスタンダードとシルバースタンダードのデータセット）：https：//github.com/ispras-texterra/pioner（Ghukasyan et al。、Paioner：Armenian named Entity認識のデータセットとベースライン、2018）
  • armtdp-ner：https：//github.com/myavrum/armtp-ner

コプト

  • コプトユニバーサル依存界のツリーバンク：https：//github.com/universaldependencies/ud_coptic-scriptorium/tree/dev（https://copticscriptorium.org/treebank.htmlも参照）。これには、Sahidic Copticテキストからのネストされた（非）名前付きエンティティの46,000トークンが含まれています。

アムハラ語

  • コーパスを言う（「ディープラーニングを使用したAmharicの名前付きエンティティ認識」を参照）：https：//github.com/geezorg/data/tree/master/amharic/tagged/nmsu-say; http://data.geez.org/

アラビア語

  • Aqmar Arabic Wikipediaという名前のエンティティコーパス：http：//www.cs.cmu.edu/~ark/arabicner/
  • NE3Lという名前のエンティティアラビアコーパス（アラビア語、中国、ロシア語）：http：//catalog.elra.info/en-us/repository/browse/elra-w0078/
  • 反射エンティティの翻訳（並列コーパス：英語、アラビア語、中国語）：https：//catalog.ldc.upenn.edu/ldc2009t11
  • Anercorp：http：//users.dsic.upv.es/~ybenajiba/downloads.html（http://alias-i.com/lingpipe/demos/tutorial/ne/read-me.htmlも参照））
  • ACE 2003（英語、中国語、アラビア語）：https：//catalog.ldc.upenn.edu/ldc2004t09
  • ACE 2004（英語、中国語、アラビア語）：https：//catalog.ldc.upenn.edu/ldc2005t09
  • ACE 2005（英語、中国語、アラビア語）：https：//catalog.ldc.upenn.edu/ldc2006t06
  • ACE 2007（スペイン語とアラビア語）：https：//catalog.ldc.upenn.edu/ldc2014t18
  • Ontonotes 5（英語、アラビア語、中国語）：https：//catalog.ldc.upenn.edu/ldc2013t19
  • DAWTデータセット - 複数の言語（英語、スペイン語、フランス語、イタリア語、ドイツ語、アラビア語）にわたって密集した注釈付きウィキペディアテキスト：https：//github.com/klout/opendata/tree/master/wiki_annotation
  • Wojood -2022ネストされたアラビア語という名前のエンティティコーパス。 https://dlnlp.ai/st/wojood/ https://aclanthology.org/2022.lrec-1.387.pdf https://codalab.lisn.upsaclay.fr/competitions/11740

ペルシャ語

  • armanpersonercorpus：http：//islrn.org/resources/399-379-640-828-6/; https://github.com/haniehp/persianner

シンディ

  • SINER：https：//aclanthology.org/2020.lrec-1.361/、https://github.com/aliwazir/siner-dataset

ウルドゥー語

  • IJCNLP 2008 SSEAL：http：//ltrc.iiit.ac.in/ner-ssea-08/index.cgi?topic = 5
  • Uner Dataset（Khan et al。、Urdu Named Entity認識タスクの名前付きEntity Dataset、2016）。 http://www.iiu.edu.pk/?page_id=5181で入手可能
  • mk-pucit：https：//www.dropbox.com/sh/1ivw7ykm2tugg94/aab9t5wnn7fynespo7tjjw8la;参照：Kanwal et al。、Urduという名前のエンティティ認識：Corpus Generationand Deep Learningアプリケーション、2019年

インド

  • NAAMAPADAM：2つの言語家族からの11の主要なインド言語の名前付きエンティティ認識（NER）データセット。 https://research.ibm.com/publications/naamapadam-a-large-scale-named-named-Annotated-data-for-indic-languages https://ai4bharat.iitm.ac.in/naamapadam

ヒンディー語

  • HINER：https：//github.com/cfiltnlp/hiner
  • ヒンディー語の健康データセット：https：//www.kaggle.com/aijain/hindi-health-dataset/home
  • Fire 2015、ESM-IL（英語、ヒンディー語、タミル、マラヤラム）：http：//au-kbc.org/nlp/esm-fire2015/#traincorpus
  • Fire Ner 2013（英語、ヒンディー語、タミル、マラヤラム、ベンガル語）：http：//au-kbc.org/nlp/ner-fire2013/
  • IJCNLP 2008 SSEAL：http：//ltrc.iiit.ac.in/ner-ssea-08/index.cgi?topic = 5

ベンガル語

  • Fire Ner 2013（英語、ヒンディー語、タミル、マラヤラム、ベンガル語）：http：//au-kbc.org/nlp/ner-fire2013/
  • IJCNLP 2008 SSEAL：http：//ltrc.iiit.ac.in/ner-ssea-08/index.cgi?topic = 5
  • Bengali-ner：https：//github.com/rifat1493/bengali-ner、https://ieeexplore.ieeee.org/document/8944804
  • ner-bangla：https：//github.com/misabic/ner-bangla-dataset、https：//content.iospress.com/articles/journal-of-intelligent-and-fuzzy-systems/ifs179349

テルグ語

  • ner_telugu：https：//github.com/anikethjr/ner_telugu
  • IJCNLP 2008 SSEAL：http：//ltrc.iiit.ac.in/ner-ssea-08/index.cgi?topic = 5
  • 名前付きエンティティはテルグ語に注釈を付けました：http：//www.tdil-dc.in/index.php?option=com_download&task = showresourcedetails&toolid=982&lang=en

マイチリ

  • Maithiliの最初の名前のエンティティ認識者：リソース作成とシステム開発：https：//content.iospress.com/articles/journal-of-intelligent-and-fuzzy-systems/ifs210051

ネパール

  • Everestner：https：//journals.flvc.org/flairs/article/view/130725、https://github.com/nowalab/everest-ner

マラーティー

  • 名前付きエンティティはマラーティー語に注釈されたコーパス：http：//www.tdil-dc.in/index.php?option=com_download&task = showresourcedetails&toolid=979&lang=en
  • L3Cube Mahaner：https：//arxiv.org/abs/2204.06029 https://github.com/l3cube-pune/marathinlp

パンジャブ

  • パンジャブ語の名前付きエンティティ注釈付きコーパス：http：//www.tdil-dc.in/index.php?option=com_download&task=showresourcedetails&toolid=980&lang=en

タミル語

  • Fire 2015、ESM-IL（英語、ヒンディー語、タミル、マラヤラム）：http：//au-kbc.org/nlp/esm-fire2015/#traincorpus
  • Fire Ner 2013（英語、ヒンディー語、タミル、マラヤラム、ベンガル語）：http：//au-kbc.org/nlp/ner-fire2013/

マラヤーラム語

  • Fire 2015、ESM-IL（英語、ヒンディー語、タミル、マラヤラム）：http：//au-kbc.org/nlp/esm-fire2015/#traincorpus
  • Fire Ner 2013（英語、ヒンディー語、タミル、マラヤラム、ベンガル語）：http：//au-kbc.org/nlp/ner-fire2013/

オリヤ/オディア

  • IJCNLP 2008 SSEAL：http：//ltrc.iiit.ac.in/ner-ssea-08/index.cgi?topic = 5

シンハラ/シンハラ人

  • lorelei（ldc2018e57）

タイ

  • Thai-named-entity-ecognition-data：https：//github.com/pythainlp/thai-named-entity-ecognition-data
  • Thaiという名前のEntity Corpora：http：//pioneer.chula.ac.th/~awirote/resources/corpora--data.html; http://pioneer.chula.ac.th/~awirote/data-nutcha.zip; http://pioneer.chula.ac.th/~awirote/data-sasiwimon.zip; http://pioneer.chula.ac.th/~awirote/data-nattadaporn.zip
  • LST20：https：//huggingface.co/datasets/lst20; https://arxiv.org/abs/2008.05055
  • Thai-nner：https：//github.com/vistec-ai/thai-nner、https：//aclanthology.org/2022.findings-acl.116

インドネシア語

  • 識別：http：//metashare.elda.org/repository/browse/identic/fed3fada7ef111e5aa3b001d8b71c66c98eee36eabd42f18ffd9a95da9104cc/
  • https://github.com/yohanesgultom/nlp-experiments/tree/master/data/ner
  • インドネシア - ナー：Syaifudin＆Nurwidyantoro https://ieeexplore.ieee.org/document/7828656 https://github.com/yusufsyaifudin/indonesia-ner
  • Idner-News-2K：指定されたエンティティ認識タスクに関するインドネシアのニュースのデータセット。 Syaifudin＆Nurwidyantoro https://dl.acm.org/doi/10.1145/3592854#fn8 https://github.com/khairunnisaor/idner-news-2k/
  • NERPとNER-GRIT：Indonlp/Indonlu https://github.com/indonlp/indonlu/tree/master/dataset https://aclanthology.org/2020.aacl-main.85/

ベトナム人

  • VLSP 2016：http：//vlsp.org.vn/resources-vlsp2016; https://github.com/undertheseanlp/ner
  • VLSP 2018：http：//vlsp.org.vn/resources-vlsp2018; https://github.com/undertheseanlp/ner
  • Phoner_covid19：https：//github.com/vinairesearch/phoner_covid19

日本語

  • IREX：https：//nlp.cs.nyu.edu/irex/package/
  • Met-2（日本、中国語）：https：//www-nlpir.nist.gov/related_projects/muc/
  • bccwj Basic Ne Corpus：https：//sites.google.com/site/projectnextnlpne/en（Iwakura et al。、さまざまなジャンルの日本の基本的な名前のエンティティコーパスの構築、ニュース2016）
  • dbpedia抽象コーパス（英語、ドイツ語、オランダ語、フランス語、イタリア語、日本語）：http：//downloads.dbpedia.org/2015-04/ext/nlp/abstracts/
  • データのデータ：Mai et al。、微細に指定されたエンティティ認識に関する実証研究、Coling 2018（英語、日本語）：https：//fgner.alt.ai/duc/ene/testsets/comp/
  • wikipedia ner corpus：https：//github.com/stockmarkteam/ner-wikipedia-dataset
  • wikiann：https：//elisa-ie.github.io/wikiann/
  • GSD：Megagon Labs https://github.com/megagonlabs/ud_japanese-gsdによるUD GSDデータセットの名前付きエンティティへの変換
  • kwdlc：京都大学のWebドキュメントがCorpus https://nlp.ist.i.kyoto-u.ac.jp/en/index.php?kwdlc https://github.com/ku-nlp/kwdlc https://nagisa.readthedocs.io.io/en/latetig

韓国語

  • 国立韓国語研究所（ROK） - nerコーパス：https：//github.com/digitalprk/koreaner; https://ithub.korean.go.kr/user/total/referenceview.do?boardseq=5&articleseq=118＆boardgb=t＆sinsupd&boardtype=corpus
  • kmou ner -https：//github.com/kmounlp/ner
  • 韓国語の理解評価-Klue ner -https：//klue-benchmark.com/tasks/69/overview/description
  • https://github.com/songys/entity
  • HLCT 2016 Corpus、更新 - https：//github.com/machinereading/koreannercorpus

中国語

  • ACE 2003（英語、中国語、アラビア語）：https：//catalog.ldc.upenn.edu/ldc2004t09
  • ACE 2004（英語、中国語、アラビア語）：https：//catalog.ldc.upenn.edu/ldc2005t09
  • ACE 2005（英語、中国語、アラビア語）：https：//catalog.ldc.upenn.edu/ldc2006t06
  • Ontonotes 5（英語、アラビア語、中国語）：https：//catalog.ldc.upenn.edu/ldc2013t19
  • Met-2（日本、中国語）：https：//www-nlpir.nist.gov/related_projects/muc/
  • 反射エンティティの翻訳（並列コーパス：英語、アラビア語、中国語）：https：//catalog.ldc.upenn.edu/ldc2009t11
  • Ne3l名のエンティティ中国のコーパス（アラビア語、中国、ロシア語）：http：//catalogue.elra.info/en-us/repository/browse/elra-w0079/
  • 中国語のオリジナルの短いメッセージデータ照合I（名前付きエンティティ）：http：//catalog.elra.info/en-us/repository/browse/elra-w0045_04/
  • 中国語のオリジナルの短いメッセージデータ照合II（名前付きエンティティ）：http：//catalog.elra.info/en-us/repository/browse/elra-w0045_08/
  • ERE Deft Corpora（並列コーパス：英語、中国語）：Mott et al。、Parallel-English Entities、Relations and Events Corpora、2016（LDC2015E78、LDC2014E114）
  • 中国のweibo：中国のソーシャルメディアでの名前付きおよび名目上の言及のための巧妙なスタイルの注釈（weibo）：https：//github.com/hltcoe/golden-horse
  • 中国のエドゥナー：教育ドメインの2023データセット：https：//link.springer.com/article/10.1007/S00521-023-08635-5 https://github.com/anonymous-xl/eduner
  • Chinese Aerospace NER: https://www.nature.com/articles/s41598-023-50705-0 https://github.com/Coder-XIAOKAI/Aerospace_NERdatasets
  • SciCN: A Chinese Dataset and Benchmark for Scientific Information Extraction https://file.techscience.com/files/cmc/2024/TSP_CMC-78-3/TSP_CMC_35594/TSP_CMC_35594.pdf https://github.com/yangjingla/SciCN
  • EMP NER: Historical Chinese https://aclanthology.org/2024.lrec-main.35.pdf https://gitlab.com/enpchina/ENP-NER

Tagalog

  • TLUnifed: https://arxiv.org/abs/2311.07161 https://huggingface.co/datasets/ljvmiranda921/tlunified-ner

ロシア

  • BSNLP 2017 (Croatian, Czech, Polish, Russian, Slovak, Slovene, Ukrainian): http://bsnlp-2017.cs.helsinki.fi/shared_task_results.html
  • NE3L named entities Russian corpus (Arabic, Chinese, Russian): https://catalog.elra.info/en-us/repository/browse/ELRA-W0080/
  • WikiNER: https://figshare.com/articles/Learning_multilingual_named_entity_recognition_from_Wikipedia/5462500
  • WikiNEuRal: https://github.com/Babelscape/wikineural
  • MultiNERD: https://github.com/Babelscape/multinerd
  • factRuEval-2016: https://github.com/dialogue-evaluation/factRuEval-2016
  • RuREBus 2020 (Russian Relation Extraction for Business) corpus https://github.com/dialogue-evaluation/RuREBus

Yoruba

  • GV-Yorùbá-NER. Data: https://github.com/ajesujoba/YorubaTwi-Embedding/tree/master/Yoruba/Yor%C3%B9b%C3%A1-NER ; Data statement: https://drive.google.com/file/d/177xu-O2FTJ7VJQ-0ohCWjVd1qu61Tvml/view Paper: Jesujoba O Alabi, Kwabena Amponsah-Kaakyire, David I Adelani, and Cristina Espãna-Bonet. Massive vs. curated word embeddings for low-resourced languages. the case of Yorùbá and Twi. In LREC, 2020 (https://arxiv.org/abs/1912.02481)

Swahili

  • Helsinki Corpus of Swahili 2.0 (HCS 2.0) Annotated Version: http://metashare.csc.fi/repository/browse/helsinki-corpus-of-swahili-20-hcs-20-annotated-version/232c1910b9eb11e5915e005056be118e59fb2e920f1f4c0cafc94915fc6f5cac/ See: Shah et al., 2010. SYNERGY: A Named Entity Recognition System for Resource-scarce Languages such as Swahili using Online Machine Translation

イボ

  • IgboNER: https://aclanthology.org/2022.lrec-1.547/ https://github.com/Chiamakac/IgboNER-Models later updated in https://openreview.net/pdf?id=tHUS9-vmUfC from https://sites.google.com/view/africanlp2023/home

isiNdebele

  • NCHLT isiNdebele Named Entity Annotated Corpus: https://repo.sadilar.org/handle/20.500.12185/306

Xhosa

  • NCHLT isiXhosa Named Entity Annotated Corpus: https://repo.sadilar.org/handle/20.500.12185/312

Zulu

  • NCHLT isiZulu Named Entity Annotated Corpus: https://repo.sadilar.org/handle/20.500.12185/319

Sepedi

  • NCHLT Sepedi Named Entity Annotated Corpus: https://repo.sadilar.org/handle/20.500.12185/328

セソト

  • NCHLT Sesotho Named Entity Annotated Corpus: https://repo.sadilar.org/handle/20.500.12185/334

Setswana

  • NCHLT Setswana Named Entity Annotated Corpus: https://repo.sadilar.org/handle/20.500.12185/341

Siswati

  • NCHLT Siswati Named Entity Annotated Corpus: https://repo.sadilar.org/handle/20.500.12185/346

Venda

  • NCHLT Tshivenda Named Entity Annotated Corpus: https://repo.sadilar.org/handle/20.500.12185/355
  • MPHAYANER: Named Entity Recognition for Tshivenḓa: https://openreview.net/pdf?id=0nneuL3bSLt https://github.com/rendanim/MphayaNER from https://sites.google.com/view/africanlp2023/home

xitsonga

  • NCHLT Xitsonga Named Entity Annotated Corpus: https://repo.sadilar.org/handle/20.500.12185/362

ラテン

  • Herodotos Project: https://github.com/alexerdmann/Herodotos_Project_Annotation

A long list can be found here: http://damien.nouvels.net/resourcesen/corpora.html

参照

[Alvarado et al., 2015] Alvarado, Julio Cesar Salinas, Karin Verspoor, and Timothy Baldwin. Domain adaption of named entity recognition to support credit risk assessment. In Proceedings of the Australasian Language Technology Association Workshop 2015, pp. 84-90. 2015. Accessed: August 2018.

[Balasuriya et al., 2009] Balasuriya, Dominic, Nicky Ringland, Joel Nothman, Tara Murphy, and James R. Curran. Named entity recognition in wikipedia. In Proceedings of the 2009 Workshop on The People's Web Meets NLP: Collaboratively Constructed Semantic Resources, pp. 10-18. Association for Computational Linguistics, 2009

[Bos et al., 2017] Bos, Johan, Valerio Basile, Kilian Evang, Noortje J. Venhuizen, and Johannes Bjerva. The Groningen meaning bank. In Handbook of linguistic annotation, pp. 463-496. Springer, Dordrecht, 2017.

[Derczynski et al., 2016] Derczynski, Leon, Kalina Bontcheva, and Ian Roberts. Broad twitter corpus: A diverse named entity recognition resource. In Proceedings of COLING 2016, the 26th International Conference on Computational Linguistics: Technical Papers, pp. 1169-1179. 2016. Available at: https://github.com/GateNLP/broad_twitter_corpus Accessed: August 2018.

[Derczynski et al., 2017] Leon Derczynski, Eric Nichols, Marieke van Erp, Nut Limsopatham (2017) Results of the WNUT2017 Shared Task on Novel and Emerging Entity Recognition, in Proceedings of the 3rd Workshop on Noisy, User-generated Text. Available at: https://noisy-text.github.io/2017/emerging-rare-entities.html

[DSTL, 2017] Defence Science and Technology Laboratory. 2017. Relationship and Entity Extraction Evaluation Dataset. https://github.com/dstl/re3d. Accessed: January 2018.

[Grishman and Sundheim, 1996] Ralph Grishman and Beth Sundheim. 1996. Message understanding conference- 6: A brief history. In COLING 1996 Volume 1: The 16th International Conference on Computational Linguistics.

[Karimi et al., 2015] Sarvnaz Karimi, Alejandro Metke-Jimenez, Madonna Kemp, and Chen Wang. 2015. Cadec: A corpus of adverse drug event annotations. Journal of biomedical informatics, 55:73-81. Available at https://data.csiro.au Accessed: November 2017.

[Lim et al., 2017] Lim, Swee Kiat, Aldrian Obaja Muis, Wei Lu, and Chen Hui Ong. MalwareTextDB: A database for annotated malware articles. In Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), vol. 1, pp. 1557-1567. 2017年。

[Liu et al., 2013a] Jingjing Liu, Panupong Pasupat, Scott Cyphers, and Jim Glass. 2013. Asgard: A portable architecture for multilingual dialogue systems. In Acoustics, Speech and Signal Processing (ICASSP), 2013 IEEE International Conference on, pages 8386-8390. IEEE. Available at https://groups.csail.mit.edu/sls/downloads/restaurant/ Accessed: January 2018

[Liu et al., 2013b] Jingjing Liu, Panupong Pasupat, Yining Wang, Scott Cyphers, and Jim Glass. 2013. Query understanding enhanced by hierarchical parsing structures. In Automatic Speech Recognition and Understanding (ASRU), 2013 IEEE Workshop on, pages 72-77. IEEE. Available at https://groups.csail.mit.edu/sls/downloads/movie/ We used the trivia10k13 portion. Accessed: January 2018

[NIST, 1999 IE-ER] NIST. 1999. Information Extraction - Entity Recognition Evaluation. http://www.nist.gov/speech/tests/ieer/er_99/er_99.htm. The newswire development test data only (included in the NLTK package).

[Ohta et al., 2012] Tomoko Ohta, Sampo Pyysalo, Jun'ichi Tsujii and Sophia Ananiadou. 2012. Open-domain Anatomical Entity Mention Detection. In Proceedings of ACL 2012 Workshop on Detecting Structure in Scholarly Discourse (DSSD), pp. 27-36. Available at: http://www.nactem.ac.uk/anatomy/ and https://github.com/openbiocorpora/anem Accessed: November 2017.

[Ritter et al., 2011] Alan Ritter, Sam Clark, Mausam, and Oren Etzioni. 2011. Named entity recognition in tweets: An experimental study. In Proceedings of the 2011 Conference on Empirical Methods in Natural Language Processing, pages 1524-1534, Edinburgh, Scotland, UK., July. Association for Computational Linguistics. Accessed January 2018.

[Sang and Meulder, 2003] Erik F. Tjong Kim Sang and Fien De Meulder. 2003. Introduction to the CoNLL-2003 shared task: Languageindependent named entity recognition. In Proceedings of the Seventh Conference on Natural Language Learning at HLT-NAACL 2003.

[Stubbs et al., 2015] Amber Stubbs and Ozlem Uzuner. 2015. Annotating longitudinal clinical narratives for de-identification: The 2014 i2b2/UTHealth corpus. Journal of biomedical informatics, 58:S20-S29. Available at https://www.i2b2.org/NLP/DataSets/ Accessed: February 2018.

[Uzuner et al., 2007] Ozlem Uzuner, Yuan Luo, and Peter Szolovits. 2007. Evaluating the state-of-the-art in automatic de-identification. Journal of the American Medical Informatics Association, 14(5):550-563. Available at https://www.i2b2.org/NLP/DataSets/ Accessed: February 2018.

[Weischedel and Brunstein, 2005] Ralph Weischedel and Ada Brunstein. 2005. BBN pronoun coreference and entity type corpus. Linguistic Data Consortium, Philadelphia.

[Weischedel et al., 2013] Weischedel, Ralph, Martha Palmer, Mitchell Marcus, Eduard Hovy, Sameer Pradhan, Lance Ramshaw, Nianwen Xue et al. Ontonotes release 5.0 ldc2013t19. Linguistic Data Consortium, Philadelphia, PA (2013).

[Zeldes, 2017] Amir Zeldes. 2017. The GUM corpus: creating multilayer resources in the classroom. Language Resources and Evaluation, 51(3):581-612. Available at https://github.com/amir-zeldes/gum/tree/master/coref/tsv/ Accessed: November 2017.

拡大する
追加情報
関連アプリ
おすすめ
関連情報 すべて