《CCKS2021中文地址要素解析数据集》是一个专为中文地址解析设计的重要资源，对于理解和处理中文地址信息的研究者来说，这是一个宝贵的工具。数据集的目的是推动中文地址处理技术的发展，包括地址元素识别、地址结构化以及地理编码等方面的研究。地址解析在地图导航、物流配送、信息检索等领域有着广泛的应用。 该数据集主要包含三个部分：train.conll、dev.conll和final_test.txt。这些文件以CONLL格式存储，这是一种常用的数据格式，用于标注序列任务，如命名实体识别（NER）、句法分析等。 1. `train.conll` 文件是训练集，包含大量的标注过的中文地址样本，用于训练机器学习或深度学习模型。每个样本都是一个地址文本，其中的每个词汇都标有相应的标签，例如街道名、门牌号、区县、城市等。这样的标注数据可以帮助模型学习地址的结构特征和各个元素的语义信息。 2. `dev.conll` 文件是验证集，它是训练过程中的一个重要组成部分。在模型训练过程中，验证集用于调整模型参数，监控模型性能，防止过拟合。通过对比模型在训练集和验证集上的表现，研究者可以找到最佳的模型状态。 3. `final_test.txt` 文件是测试集，通常在模型训练完成之后用来评估模型的泛化能力。这个文件中的地址没有标注，用于测试最终模型的地址解析准确度，衡量模型在未知数据上的表现。 地址解析涉及的技术主要包括以下几个方面： 1. **命名实体识别（NER）**：识别出地址中的关键元素，如地点名、道路名、门牌号等。 2. **分词**：对中文地址进行正确的分词，因为中文没有明显的词与词之间的边界，这一步尤其重要。 3. **依存关系分析**：理解地址中各个元素的语法和逻辑关系，例如"人民路1号"中的"人民路"是街道名，"1号"是门牌号。 4. **序列标注**：利用标注技术如BiLSTM-CRF模型，对地址中的每个字符进行标注，确定其所属的地址类型。 5. **地址结构化**：将非结构化的地址文本转化为结构化的数据形式，如JSON或者数据库记录，便于后续处理和应用。 6. **地理编码**：将地址转换为精确的经纬度坐标，以便在地图上定位。 通过深入研究和使用CCKS2021中文地址要素解析数据集，研究人员和开发者可以开发出更准确、更智能的地址解析系统，从而提升服务质量和效率。同时，这也为中文自然语言处理领域提供了丰富的学习资源，推动了相关技术的进步。

实验数据来源于CCKS 2019 发布的中文电子病历命名实体识别评测数据集，共包含1379例病历样本，每份病历包含原始文本和实体标注两个部分， 实体类型包括：手术，解剖部位，药物，疾病和诊断，影像检查，实验室检验。 数据集结构为： "originalText": "，患者3月前因“直肠癌”于在我院于全麻上行直肠癌根治术（DIXON术），手术过程顺利，术后给予抗感染及营养支持治疗，患者恢复好，切口愈合良好。，术后病理示：直肠腺癌（中低度分化），浸润溃疡型，面积3.5*2CM，侵达外膜。双端切线另送“近端”、“远端”及环周底部切除面未查见癌。肠壁一站（10个）、中间组（8个）淋巴结未查见癌。，免疫组化染色示：ERCC1弥漫（+）、TS少部分弱（+）、SYN（-）、CGA（-）。术后查无化疗禁忌后给予3周期化疗，，方案为：奥沙利铂150MG D1，亚叶酸钙0.3G+替加氟1.0G D2-D6，同时给与升白细胞、护肝、止吐、免疫增强治疗，患者副反应轻。院外期间患者一般情况好，无恶心，无腹痛腹胀胀不适，无现患者为行复查及化疗再次来院就诊，门诊以“直肠癌术后”收入院。 近期患者精神可，饮食可，大便正常，小便正常，近期体重无明显变化。" "entities": "label_type": "疾病和诊断" "overlap": 0 "start_pos": 8

iamQA 中文wiki百科问答系统，本项目使用了torchserver部署模型 知识库:wiki百科中文数据 模型:使用了的NER(CCKS2016数据)和阅读理解模型(CMRC2018)，还有Word2Vec词向量搜索。 详细内容可以参考文章: 项目框架 模块介绍 ChineseWiki-master 功能：清洗wiki中文数据 相关项目: NER 功能：从问题中识别实体 例子：qurry:周董是谁？ 》》 entiy:周董 模型：ALBERT 数据集：CCKS2016KBQA 相关项目： Word2vec 功能：如果实体不在知识库，则用W2V搜索近似实体 例子：entity:周董 >> ['周杰伦','JAY','林俊杰'] 相关项目： Entity linking 功能:根据NER或W2V得到的mention entity搜索知识库 Reader 功能：阅读理解文段，精确定位答

数据分为三大部分，即训练集、验证集、测试集。数据分为两种颗粒度，一种是句子级别的关系和包（若干个句子）级别的关系。以及用于训练词向量和语言模型的大规模无标注语料。

里面包含了2018年、2019年的CKBQA（中文知识图谱问答）的数据集，有train,test,dev数据集。

命名实体识别数据集ccks2020

CCKS 2019 举办了 一个包含 6 个任务的评测竞赛，覆盖了实体、关系、事件及问答等多类知识图谱关键技术，吸引了 1600 余支队伍参 加。本报告系统整理了参赛队伍使用的技术、资源和策略，可以为评估当前知识图谱技术水平，提供构建知识图谱系 统的技术参考，揭示未来的发展方向提供一份有价值的参考。

领域知识图谱概述，包括领域图谱简介，领域知识图谱的应用及挑战，以及领域知识图谱生命周期管理。 领域知识图谱关键技术，包括领域知识图谱生命周期中各过程的相关技术、现有可用的工具，以及各过程中的最佳实践及相关组件。 领域知识图谱应用实战，以金融证券领域应用为例，演示知识图谱从知识建模、知识抽取到领域应用的全过程。

CCKS2019金融领域篇章级事件主体抽取数据集.zip

CCKS2020金融领域篇章级事件主题抽取数据集.zip