來自維基百科的日語命名實體識別資料集,受 Stockmark Inc. 授權於 CC‑BY‑SA 3.0 發佈。
其他語言的說明
統計
統計資料截至 2026年11月16日
Hugging Face 下載數(近 30 天)
192
Hugging Face 按讚數
15
收錄日
2024年5月13日
下載數(近 30 天)變化
以表格顯示
| 月份 | 下載(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 |
各月最後一次快照時的近 30 天下載數。
同分類的熱門資源
- JMedBenchColdog23331kJMedBench 是一個日本醫學領域 LLM 基準,包含 20 個資料集,涵蓋五個任務(MCQA、NER、STS 等),資料來源於 MedMCQA、PubMedQA、MMLU 及其他,每個資料集都有自己的授權,並附有註記指出翻譯可能存在偏差,需人工審核。
- livedoor-news-corpusllm-book165資料集卡片:llm‑book/ner‑wikinews‑dataset,來源為 Livedoor News 的日語新聞語料庫,授權條款為 CC BY‑ND 2.1 JP,由 RONWIT 為書籍「Introduction to Large Language Models」準備。
- KakologArchivesKakologArchives74k聚合自 2009‑2024 年的 NicoNico Live 評論日誌超過 150 GB,包括轉換前、轉換後及實時 NX‑Jikkyo 捕獲,並提供 API 以方便檢索歷史 TV‑broadcast 討論。
- emilia-yodasTTS-AGI18k來自 Fate/Stay Night 角色「Emilia」的對話與傳說資料集,格式化用於訓練與評估對話語言模型。
- ClimbLab-JaKantaHayashiAI15kClimbLab‑Ja 是一個三千億標記的日語語料庫,從 LLM‑jp Corpus v4 過濾後分成 20 個群集,用於預訓練語言模型,以 ODC‑BY 授權發佈,保留原始來源授權並以 parquet 格式存儲。
- llm-course-final-2026bumbuboon13k基於日文 Wikipedia 的 RAG 資料集,供 LLM 課程期末競賽使用,包含約 100 萬個文本片段及搜尋索引。
研究領域相近的資源
KWDLCku-nlp87京都大學網頁文件引導語料庫GitHub共同: 命名實體與資訊擷取・語料庫與資料集
IOB2CorpusHironsan61用於命名實體識別的日語IOB2標記語料庫。GitHub共同: 命名實體與資訊擷取・語料庫與資料集
nayose-wikipedia-jayagays35從維基百科創建的日語名稱對齊數據集GitHub共同: 命名實體與資訊擷取・語料庫與資料集
UD_Japanese-GSDmegagonlabs29從Google UDT 2.0輸入的日本數據。GitHub共同: 命名實體與資訊擷取・語料庫與資料集
ud_japanese-bccwjuniversaldependencies27這個通用依存關係(UD)日語樹庫是基於UD文檔中描述的UD日語慣例定義。GitHub共同: 命名實體與資訊擷取・語料庫與資料集
AnnotatedFKCCorpusku-nlp18註釋版的富滿開取中心語料庫GitHub共同: 命名實體與資訊擷取・語料庫與資料集