DuIE 大规模中文信息抽取数据集

DuIE 是一个大规模的人工标注数据集，可用来评估基于架构的知识抽取算法。

该数据集包含超过 21 万个现实世界的中文句子，其中涉及超过 45 万个 SPO 三元组（即：Subject-Predicate-Object triples），由预先指定的架构与 49 种谓语组成。

该数据集中的所有句子都是从百度百科和百度新闻搜索中提取的。该数据集中的文本涵盖了现实世界应用程序中的各种领域，例如新闻、娱乐、用户生成的内容。

该数据集由以下数据组成：

• 214,590 个句子，其中：
  • 172,983 句为训练集；
  • 21,626 句为开发集；
  • 19,981 句为测试集。
• 457,866 个实例，其中：
  • 363,960 个实例为训练集；
  • 45,558 个实例为开发集；
  • 48,348 个实例为测试集。

示例数据：