entity-recognition-datasets

多领域实体识别和命名实体识别任务数据集

Entity Recognition Named Entity Recognition Datasets NER Annotations Github 开源项目

此库包含多个领域的实体识别和命名实体识别（NER）任务数据集，包括新闻、社交媒体、医学等。项目提供数据目录和转换代码，部分数据因许可证限制无法直接共享。虽然自2020年起更新较少，但仍接受通过issue或pull request添加的数据集，并支持多种语言的NER数据，如德语、西班牙语和荷兰语等。

文档

instruction-datasets - 大语言模型指令微调数据集汇总

GithubInstruction TuningNLP多语言大语言模型开源项目数据集

该项目整理了大语言模型指令微调所需的多种数据集，包括金标准、银标准/LM生成和偏好数据集。内容涵盖多语言和多模态任务，提供指令-响应对和人类偏好评分等资源。这些数据集有助于提升模型的指令跟随、对话和任务执行能力，为NLP研究和开发提供重要参考。

Recognizers-Text - 微软开源的多语言实体识别与解析库

GithubMicrosoft Recognizers TextNLP多语言支持实体识别开源项目

Recognizers-Text是微软开发的开源工具库，专门用于多语言环境下的实体识别和解析。它支持识别数字、单位、日期和时间等实体，适用于中文、英文等多种语言。该库为LUIS等微软平台提供底层支持，同时提供C#、JavaScript等多种编程语言的独立包。目前该项目正在不断扩展对更多语言的支持。

chatbot_ner - 提供多语言支持的开源聊天机器人实体识别框架

API结构Chatbot NERConversational AIGithub印度语言支持实体识别开源项目

Chatbot NER是一个开放源代码框架，专为会话AI设计，支持在文本中进行实体识别。它目前支持英语、印地语、古吉拉特语、马拉地语、孟加拉语和泰米尔语及其混合形式。通过使用常见模式和NLP技术，能够从语言的稀疏数据中提取必要的实体。Haptik团队正在扩展其支持范围到所有印度语言及其方言。该框架的API结构易于使用，特别适合会话式AI应用，并且提供详尽的文档以便用户设置和操作。

roberta-large-NER - XLM-RoBERTa大型模型用于多语言命名实体识别

GithubHuggingfaceXLM-RoBERTa人工智能命名实体识别多语言模型开源项目模型自然语言处理

XLM-RoBERTa-large模型基础上微调的多语言命名实体识别工具，支持100多种语言。在英语CoNLL-2003数据集上训练，可用于命名实体识别和词性标注等标记分类任务。该模型由Facebook AI研究团队开发，具有强大的跨语言能力，但存在潜在偏见和局限性。作为自然语言处理的重要工具，它为多语言文本分析提供了有力支持。

awesome-public-datasets - 多领域高质量公共数据集资源汇总

Github基因组学开源数据集开源项目微阵列数据生物学蛋白质数据库

Awesome Public Datasets汇集了农业、生物学、计算机科学等多个领域的高质量公共数据集。该项目源于上海交通大学OMNILab,现隶属于BaiYuLan开放AI社区。它为研究人员和数据科学家提供了便捷获取开放数据资源的途径,支持各类分析和研究工作。资源列表涵盖广泛,质量可靠,是数据科学工作的重要参考。

OCR_DataSet - 综合OCR数据集资源库及工具集

Github图像标注开源项目数据集文字识别深度学习计算机视觉

OCR_DataSet项目整合了13个知名的多语言OCR数据集，涵盖ICDAR2015、MLT2019和COCO-Text_v2等。项目特色包括数据格式统一化、便捷的百度网盘下载、详尽的数据集信息表和简化的读取脚本。此外，项目还提供了数据生成工具链接，为OCR领域的研究和开发工作提供了全面的资源支持。

ner-english - Flair框架英语命名实体识别模型准确率93%

FlairGithubHuggingface命名实体识别序列标注开源项目模型深度学习自然语言处理

该模型是Flair框架的标准英语命名实体识别(NER)模型，能识别人名、地名、组织名和其他名称四类实体。采用Flair嵌入和LSTM-CRF架构，在CoNLL-03数据集上F1分数达93.06%。用户可通过Flair库轻松加载使用。模型提供了详细的训练脚本和引用信息，方便研究人员进一步探索和引用。

ner-bert-german - 基于BERT的德语命名实体识别模型实现精准NER分析

BERTGithubHuggingface命名实体识别开源项目德语机器学习模型自然语言处理

该模型通过对bert-base-multilingual-cased进行微调，实现德语文本中位置、组织和人名的识别。模型在wikiann数据集训练后，总体F1分数达0.8829，在人名实体识别方面表现尤为出色。模型使用Adam优化器和线性学习率调度器，经7轮训练完成。

LLMDataHub - 大语言模型训练数据集合

GithubLLMDataHub大语言模型开源社区开源项目数据集聊天机器人

LLMDataHub汇聚高品质大语言模型训练数据，为研究人员和从业者提供丰富的数据资源。该平台涵盖多种数据集，适合提升聊天机器人对话质量、应答生成及语言理解。同时，平台更新最新数据集，助您获取行业前沿资源。

Medical_NLP - 医疗行业自然语言处理资源汇总，包括评测、数据集和预训练模型

GithubMedical_NLP中文医疗基准测评开源项目开源预训练模型数据集评测

相关项目

推荐项目

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com