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

YAYI-UIE - 多领域信息抽取统一模型

GithubYAYI-UIE信息抽取大模型开源开源项目指令微调

YAYI-UIE是一个信息抽取统一大模型，基于百万级高质量数据训练而成。该模型支持命名实体识别、关系抽取和事件抽取等任务，涵盖通用、安全、金融、生物、医疗等多个领域。YAYI-UIE在多个中英文数据集上展现出优秀的零样本性能，为信息抽取研究和应用提供了有力工具。作为开源项目，YAYI-UIE促进了中文预训练大模型社区的发展，推动了开放人工智能生态系统的建设。

datasets - Unsplash开放数据集海量图片与搜索数据资源

GithubUnsplash Dataset图像库图片数据集开源数据开源项目数据研究

Unsplash Dataset是一个开放的图片和数据资源库,汇集了全球35万多名摄影师的贡献。它包括Lite和Full两个版本,分别提供2.5万张自然主题图片和540万张高质量图片。这些数据集还包含大量关键词和搜索数据,为图像研究和机器学习提供了丰富素材。研究人员可免费用于非商业性项目,探索图像、关键词和搜索行为之间的关联。

gliner_medium_news-v2.1 - GLiNER新闻实体抽取模型提升多语言长文本准确率

GLiNERGithubHuggingface人工智能实体提取开源项目新闻分析模型自然语言处理

GLiNER新闻实体抽取模型通过多样化合成数据集训练，提高了广泛主题的准确性。在18个基准数据集上，零样本准确率提升高达7.5%。该模型采用紧凑架构，适用于高吞吐量生产环境，支持多语言长文本处理，并以Apache 2.0许可开源。

tessdata - Tesseract OCR多语言数据文件库支持传统和LSTM引擎

GithubLSTM模型OCRTesseracttessdata开源项目语言数据

tessdata是Tesseract 4.0.0及更高版本的语言数据文件库。它包含传统引擎和LSTM神经网络引擎的模型，支持多语言识别。项目提供整数化处理的LSTM模型，平衡了速度和精度。tessdata还有多个版本可选，适应不同性能需求。所有数据采用Apache-2.0许可证，为OCR技术发展贡献资源。

awesome-chatgpt-dataset - 综合性AI对话数据集资源助力自定义语言模型训练

ChatGPTGithub开源项目指令调优数据集训练语言模型

awesome-chatgpt-dataset项目汇集了多样化的人工智能对话数据集资源。该项目囊括了不同规模、语言和领域的高质量指令数据，范围从数千到数百万条不等，涵盖多语言、代码生成、视觉对话等多个方面。这些数据集为研究人员和开发者提供了训练和优化大型语言模型的重要素材，有助于推动更智能、更多元化的AI对话系统的发展。

AwesomeNLP - 从基础到前沿的NLP实战教程与学习资源

GithubNLP信息抽取大模型开源项目知识图谱自然语言处理

这个开源项目提供了全面的NLP学习资源，涵盖文本分类、信息抽取、知识图谱、机器翻译等多个领域的理论和实战教程。项目为NLP初学者设计了详细的学习路径，同时也包含了大模型应用等前沿内容。资源丰富且实用，适合希望深入学习自然语言处理的人员参考。

gliner_small-v2.1 - 基于双向Transformer的轻量级通用实体识别模型

GLiNERGithubHuggingface命名实体识别开源项目机器学习模型模型训练自然语言处理

gliner_small-v2.1是一个基于双向Transformer架构的命名实体识别模型，具备识别任意类型实体的能力。这款模型采用166M参数规模，在保持较小资源占用的同时提供灵活的实体识别功能。模型支持英语处理，采用Apache-2.0许可证开源发布。相比传统NER模型的固定实体类型限制和大语言模型的高资源消耗，该模型提供了一个平衡的解决方案。

bert-base-japanese-v3-ner-wikipedia-dataset - 基于维基百科数据集的日语命名实体识别BERT模型

BERTGithubHuggingfaceWikipedia数据集固有表現認識大规模语言模型开源项目模型自然语言处理

本项目提供了一个基于BERT的日语命名实体识别模型，该模型使用维基百科数据集进行训练。模型能够识别日语文本中的人名、地名等实体，可通过Transformers库轻松调用。项目源自《大规模语言模型入门》一书，提供了使用示例和相关资源链接，采用Apache 2.0许可证。

gliner_large-v1 - 资源友好的多实体识别模型，为多种应用场合提供灵活解决方案

GLiNERGithubHuggingfacePile-NER数据集双向变压器编码器命名实体识别开源项目模型模型训练

GLiNER是通过双向转换器编码器实现的命名实体识别模型，可识别多种实体类型。它是传统NER模型和大型语言模型这两者的高效替代，特别适合资源有限的场合。GLiNER在Pile-NER数据集上经过训练，具备灵活性且不受实体类型限制。用户可通过安装并导入GLiNER库轻松进行实体识别。

SpanMarkerNER - 命名实体识别的高效训练框架

BERTGithubHugging FaceNamed Entity RecognitionRoBERTaSpanMarker开源项目

SpanMarker是一个基于Transformer库的命名实体识别框架，支持BERT、RoBERTa和ELECTRA等编码器。框架提供模型加载、保存、超参数优化、日志记录、检查点、回调、混合精度训练和8位推理等功能。用户可以方便地使用预训练模型，并通过免费API进行快速原型开发和部署。

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。

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com