| 标题 | 链接 | 数据集更新日期 | 数据集提供者 | 许可 | 说明 | 关键字 | 类别 | 论文地址 | 备注 |
|---|---|---|---|---|---|---|---|---|---|
| CCKS2017中文电子病例命名实体识别 | https://biendata.com/competition/CCKS2017_2/data/ | 2017年5月 | 北京极目云健康科技有限公司 | 数据来源于其云医院平台的真实电子病历数据，共计800条（单个病人单次就诊记录），经脱敏处理 | 电子病历 | 命名实体识别 | \ | 中文 | |
| CCKS2018中文电子病例命名实体识别 | https://biendata.com/competition/CCKS2018_1/data/ | 2018年 | 医渡云（北京）技术有限公司 | CCKS2018的电子病历命名实体识别的评测任务提供了600份标注好的电子病历文本，共需识别含解剖部位、独立症状、症状描述、手术和药物五类实体 | 电子病历 | 命名实体识别 | \ | 中文 | |
| 微软亚研院MSRA命名实体识别识别数据集 | https://github.com/lemonhu/NER-BERT-pytorch/tree/master/data/msra | \ | MSRA | 数据来源于MSRA，标注形式为BIO，共有46365条语料 | Msra | 命名实体识别 | \ | 中文 | |
| 1998人民日报语料集实体识别标注集 | https://github.com/ThunderingII/nlp_ner/tree/master/data | 1998年1月 | 人民日报 | 数据来源为98年人民日报，标注形式为BIO，共有23061条语料 | 98人民日报 | 命名实体识别 | \ | 中文 | |
| Boson | https://github.com/TomatoTang/BILSTM-CRF | \ | 玻森数据 | 数据来源为Boson，标注形式为BMEO,共有2000条语料 | Boson | 命名实体识别 | \ | 中文 | |
| CLUE Fine-Grain NER | https://storage.googleapis.com/cluebenchmark/tasks/cluener_public.zip | 2020年 | CLUE | CLUENER2020数据集，是在清华大学开源的文本分类数据集THUCTC基础上，选出部分数据进行细粒度命名实体标注，原数据来源于Sina News RSS。数据包含10个标签类别，训练集共有10748条语料，验证集共有1343条语料 | 细粒度；CULE | 命名实体识别 | \ | 中文 | |
| CoNLL-2003 | https://www.clips.uantwerpen.be/conll2003/ner/ | 2003 | CNTS - Language Technology Group | 数据来源于CoNLL-2003的任务，该数据标注了包括PER, LOC, ORG和MISC的四个类别 | CoNLL-2003 | 命名实体识别 | https://www.aclweb.org/anthology/W03-0419.pdf | 英文 | |
| 微博实体识别 | https://github.com/hltcoe/golden-horse | 2015年 | https://github.com/hltcoe/golden-horse | EMNLP-2015 | 命名实体识别 | ||||
| SIGHAN Bakeoff 2005 | http://sighan.cs.uchicago.edu/bakeoff2005/ | 2005年 | MSR/PKU | bakeoff-2005 | 命名实体识别 |