conll2002

• Descrizione :

Il compito condiviso di CoNLL-2002 riguarda il riconoscimento di entità denominate indipendenti dalla lingua. I tipi di entità denominate includono: persone, luoghi, organizzazioni e nomi di entità varie che non appartengono ai tre gruppi precedenti. Ai partecipanti del compito condiviso sono stati offerti dati di formazione e test per almeno due lingue. Fonti di informazioni diverse dai dati di addestramento potrebbero essere state utilizzate in questa attività condivisa.

• Pagina iniziale : https://aclanthology.org/W02-2024/

• Codice sorgente : tfds.text.conll2002.Conll2002

• Versioni :

  • 1.0.0 (impostazione predefinita): versione iniziale.

• Auto-cache ( documentazione ): Sì

• Chiavi supervisionate (Vedi as_supervised doc ): None

• Figura ( tfds.show_examples ): non supportato.

• Citazione :

@inproceedings{tjong-kim-sang-2002-introduction,
    title = "Introduction to the {C}o{NLL}-2002 Shared Task: Language-Independent Named Entity Recognition",
    author = "Tjong Kim Sang, Erik F.",
    booktitle = "{COLING}-02: The 6th Conference on Natural Language Learning 2002 ({C}o{NLL}-2002)",
    year = "2002",
    url = "https://aclanthology.org/W02-2024",
}

conll2002/es (configurazione predefinita)

• Dimensione del download : 3.95 MiB

• Dimensione del set di dati: 3.52 MiB

• Divisioni :

• Struttura delle caratteristiche :

FeaturesDict({
    'ner': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=9)),
    'pos': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=60)),
    'tokens': Sequence(Text(shape=(), dtype=string)),
})

• Documentazione delle funzionalità :

• Esempi ( tfds.as_dataframe ):

conll2002/nl

• Dimensione del download : 3.47 MiB

• Dimensione del set di dati: 3.55 MiB

• Divisioni :

• Struttura delle caratteristiche :

FeaturesDict({
    'ner': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=9)),
    'pos': Sequence(ClassLabel(shape=(), dtype=int64, num_classes=12)),
    'tokens': Sequence(Text(shape=(), dtype=string)),
})

• Documentazione delle funzionalità :

• Esempi ( tfds.as_dataframe ):