# NER_corpus_chinese

**Repository Path**: rango94/NER_corpus_chinese

## Basic Information

- **Project Name**: NER_corpus_chinese
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2020-06-29
- **Last Updated**: 2022-01-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# NER_corpus_chinese
可获取的ENR中文语料

目前网络上流传比较广泛的主要是以下几个：
+ 人民日报1998版本：其实就是分词的训练语料，将其中/t、/nr、/ns、/nt看做实体标签就可以做NER了。
+ MSRA语料：以BIO格式标注了人名、地名、组织机构名三类实体。
+ 玻森NLP语料：包含2000个段落，标注了6类实体，除了时间和3种常见类别外，还有公司名和产品名。但规模小，只有1MB多点。

其他可能用来研究的语料：
+ 人民日报2014版：标注格式跟1998版有较大变化，词性分得更细致，实体标注有嵌套关系。规模大了不少，有1750万字左右，但需要较为复杂的预处理。
+ 不知名语料：以BIO格式标注了人名、地名、组织机构名三类实体。130多万字

不应公开传播的垂直域NER语料：
+ CCKS2017电子病历实体标注：