来自维基百科的日语命名实体识别数据集,由 Stockmark Inc. 按 CC‑BY‑SA 3.0 发行。
其他语言的说明
统计
统计数据截至 2026年11月16日
Hugging Face 下载数(近 30 天)
192
Hugging Face 点赞数
15
收录日
2024年5月13日
下载数(近 30 天)变化
以表格显示
| 月份 | 下载(30天) |
|---|---|
| 2025年12月 | — |
| 2026年1月 | — |
| 2026年2月 | 154 |
| 2026年3月 | 105 |
| 2026年4月 | 262 |
| 2026年5月 | 179 |
| 2026年6月 | 107 |
| 2026年7月 | 122 |
| 2026年8月 | 129 |
| 2026年9月 | 104 |
| 2026年10月 | — |
| 2026年11月 | 192 |
各月最后一次快照时的近 30 天下载数。
同分类的热门资源
- JMedBenchColdog23331kJMedBench 是一个日语生物医学 LLM 基准,涵盖 20 个数据集,覆盖五个任务(MCQA、NER、STS 等),来源于 MedMCQA、PubMedQA、MMLU 等,每个都有自己的许可,并包含一条说明:翻译可能包含偏差,需要人工审核。
- livedoor-news-corpusllm-book165数据集卡:llm-book/ner-wikinews-dataset,来自 Livedoor News 的日语新闻语料库,按 CC BY‑ND 2.1 JP 许可授权,由 RONWIT 为书籍 “Introduction to Large Language Models” 准备。
- KakologArchivesKakologArchives74k聚合了2009年至2024年NicoNico Live的评论日志,总计超过150 GB,包括转移前、转移后以及实时NX‑Jikkyo捕获,提供了一个API,便于检索历史电视广播讨论。
- emilia-yodasTTS-AGI18k来自 Fate/Stay Night 的角色 “Emilia” 的对话和背景故事数据集,格式化用于训练和评估会话语言模型。
- ClimbLab-JaKantaHayashiAI15kClimbLab‑Ja 是一个300 亿标记的日语语料库,从 LLM‑jp Corpus v4 过滤而来,分为20个簇用于预训练语言模型,以 ODC‑BY 许可证发布,保留原始来源许可,并以 parquet 格式存储。
- llm-course-final-2026bumbuboon13k基于日语维基百科的LLM课程期末竞赛RAG数据集,包含约100万文本块和搜索索引。
研究领域相近的资源
KWDLCku-nlp87京都大学网页文档引导语料库GitHub共同: 命名实体与信息抽取・语料库与数据集
IOB2CorpusHironsan61用于命名实体识别的日语IOB2标记语料库。GitHub共同: 命名实体与信息抽取・语料库与数据集
nayose-wikipedia-jayagays35由维基百科创建的日语姓名对齐数据集GitHub共同: 命名实体与信息抽取・语料库与数据集
UD_Japanese-GSDmegagonlabs29谷歌UDT 2.0的日本数据。GitHub共同: 命名实体与信息抽取・语料库与数据集
ud_japanese-bccwjuniversaldependencies27这个Universal Dependencies (UD)日语树库是基于UD文档中描述的UD日语规范的定义。GitHub共同: 命名实体与信息抽取・语料库与数据集
AnnotatedFKCCorpusku-nlp18注释版富满开拓中心语料库GitHub共同: 命名实体与信息抽取・语料库与数据集