【NLP】推荐一些NER的英文数据集
1 MUC Data Sets
https://www-nlpir.nist.gov/related_projects/muc/
https://www.clips.uantwerpen.be/conll2002/ner/
CoNLL 2003是由新闻通讯社的文章以四种不同的语言(西班牙语、荷兰语、英语和德语)创建的,重点关注4个实体:PER(人员),LOC(位置),ORG(组织)和MISC(其他,包括所有其他类型的实体)
https://www.clips.uantwerpen.be/conll2003/ner/
2010 I2B2 NER任务考虑了临床数据,重点关注临床问题、测试和治疗实体类型
https://www.i2b2.org/NLP/Relations/
重点关注药品、品牌、集团和药品n(未批准或新药)实体类型
https://www.cs.york.ac.uk/semeval-2013/task9/index.html
相比5更侧重于化学和药物实体,例如缩写、配方、家族、标识符等
https://biocreative.bioinformatics.udel.edu/
从PubMed和生物学网站收集,并且主要关注细菌、栖息地和地理位置实体
http://2016.bionlp-st.org/tasks/bb2
(需要FQ访问)
往期精彩回顾
评论