
Wikipediaを用いた日本語の固有表現抽出データセット
他の言語の説明
統計
2026年11月17日時点の統計
GitHub の Star 数
143
±0 (10月13日〜)
最終コミット
2023年9月
GitHub での作成日
2020年12月14日
掲載日
2022年6月9日
Star 数の推移
数値を表で見る
| 月 | Star |
|---|---|
| 2025年12月 | 142 |
| 2026年1月 | 142 |
| 2026年2月 | 142 |
| 2026年3月 | 142 |
| 2026年4月 | 142 |
| 2026年5月 | 142 |
| 2026年6月 | 143 |
| 2026年7月 | 143 |
| 2026年8月 | 143 |
| 2026年9月 | 143 |
| 2026年10月 | 143 |
| 2026年11月 | 143 |
各月の最後のスナップショット。Star 数は 1,000 以上では 100 単位に丸められています。
同じカテゴリで人気のリソース
KWDLCku-nlp87京都大学ウェブドキュメントリードコーパス
IOB2CorpusHironsan61固有表現認識のための日本語IOB2タグ付きコーパス。
UD_Japanese-GSDmegagonlabs29Google UDT 2.0からの日本語データ。
ud_japanese-bccwjuniversaldependencies27このUniversal Dependencies(UD)日本語ツリーバンクは、UDドキュメントに記載されているUD日本語規約の定義に基づいています。
TwitterCorpustmu-nlp21首都大日本語 Twitter コーパス
AnnotatedFKCCorpusku-nlp18注釈付きの普門買取センターのコーパス
研究分野が近いリソース
nayose-wikipedia-jayagays35Wikipediaから作成した日本語名寄せデータセット共通: 情報抽出・テキストマイニング・共参照解析- fineweb-2-edu-japanesehotchpotch8kFineWeb2 Edu Japanese は FineWeb2 からの約1億2000万の高品質教育用日本語テキスト(約893億トークン)を提供し、DeepSeek‑API クラスフィケーター(スコア ≥ 2.5)でフィルタリングし、ModernBERT‑Ja‑130M でトークナイズされ、512 トークン以下の小規模サブセットを含みます。HF データセット共通: 情報抽出・テキストマイニング・アノテーション・データセット構築
- wrimeshunk031323WRIMEデータセットは、日本語の投稿42,200件からなるコレクションで、筆者、3名の読者、およびその平均に対してPlutchikの8つの感情でアノテーションされています。感情分析タスク向けに、40kトレーニング、1.2kバリデーション、2kテストのスプリットで構成されています。HF データセット共通: 情報抽出・テキストマイニング・アノテーション・データセット構築
- cc100-jarange3265cc100-jaは、cc100データセットの日本語部分を集めたもので、シャーディングされたParquetファイルとして提供されています。HF データセット共通: 情報抽出・テキストマイニング・アノテーション・データセット構築
jawiki-cleanerhppRC6日本語ウィキペディアクリーナー共通: 情報抽出・テキストマイニング・固有表現認識
jacredyoumima8日本語文書レベルの関係抽出データセットのリポジトリ(3月にリリース予定)共通: 情報抽出・テキストマイニング