以前标记的NER语料库用于训练NER分类器

Question

我正在与斯坦福NER模型合作，以识别非结构化文本中的组织名称。据我所知，建立stanford ner分类器的训练数据尚未公开。我需要先前标记的NER语料库，其中标记了组织名称，以便我可以重新训练stanford ner模型。

我了解的一个来源：访问路透社语料库并将其与CoNll2003共享任务数据的注释相结合。

我可以获得有关更多来源的建议/指示，以获取之前标记的NER语料库吗？ （我需要通过我的学校申请这些数据集）

Answer 1

您是说您希望使用原始分类器使用的类似NER数据进行重新训练，还是完全避免使用默认语料库？

我会假设第一个。我们用来训练斯坦福英语NER分类器的语料库是：

• CoNLL 2003 shared task data
• MUC-6
• MUC-7
• ACE

在任何情况下，都有一个很长的NER数据集列表here。