1MUC Data Sets

https://www-nlpir.nist.gov/related_projects/muc/

2CoNLL-2002
https://www.clips.uantwerpen.be/conll2002/ner/

3CoNLL-2003
CoNLL 2003是由新聞通訊社的文章以四種不同的語言(西班牙語、荷蘭語、英語和德語)創(chuàng)建的，重點關(guān)注4個實體:PER(人員)，LOC(位置)，ORG(組織)和MISC(其他，包括所有其他類型的實體) https://www.clips.uantwerpen.be/conll2003/ner/

42010 I2B2
2010 I2B2 NER任務(wù)考慮了臨床數(shù)據(jù)，重點關(guān)注臨床問題、測試和治療實體類型
https://www.i2b2.org/NLP/Relations/

5DDIExtraction2013（Drug NER)
重點關(guān)注藥品、品牌、集團(tuán)和藥品n（未批準(zhǔn)或新藥）實體類型
https://www.cs.york.ac.uk/semeval-2013/task9/index.html

6CHEMPROT（Similar to 5）
相比5更側(cè)重于化學(xué)和藥物實體，例如縮寫、配方、家族、標(biāo)識符等
https://biocreative.bioinformatics.udel.edu/

7 microbiology NER datasets
從PubMed和生物學(xué)網(wǎng)站收集，并且主要關(guān)注細(xì)菌、棲息地和地理位置實體
http://2016.bionlp-st.org/tasks/bb2 (需要FQ訪問)

責(zé)任編輯：xj

原文標(biāo)題：一些NER的英文數(shù)據(jù)集

文章出處：【微信公眾號：深度學(xué)習(xí)自然語言處理】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。