---
title: pku_cws
canonical_url: "https://www.modelscope.cn/datasets/izhx404/pku_cws"
md_url: "https://www.modelscope.cn/datasets/izhx404/pku_cws.md"
repository: izhx404/pku_cws
last_updated: 2022-11-16
license: other
storage_size: "3.5 MB"
domain:
  - text
tasks:
  - token-classification
language:
  - zh
type:
  - cws
downloads: 298
stars: 0
---

# pku_cws

> pku_cws - izhx404 在 ModelScope 开源的数据集。数据集概述 pkucws 中文分词数据集是由北大计算语言学研究所标注发布的，使用于BABERT论文实验。

izhx404/pku_cws 是 ModelScope 魔搭社区上的token-classification数据集，涉及 text 领域，存储大小 3.5 MB，采用 other 许可。

- **Repository**: izhx404/pku_cws
- **License**: other
- **Tasks**: token-classification
- **Domain**: text
- **Storage size**: 3.5 MB
- **Downloads**: 298
- **Stars**: 0
- **Last updated**: 2022-11-16

Source: https://www.modelscope.cn/datasets/izhx404/pku_cws

---

# conllpp命名实体识别数据集

## 数据集概述
pku_cws 中文分词数据集是由北大计算语言学研究所标注发布的，使用于[BABERT](https://arxiv.org/abs/2210.15231)论文实验。

### 数据集简介
TODO

### 数据集的格式和结构
数据格式采用conll标准，分词数据包括两列，第一列输入句中的词划分以及最后一列中每个词对应的分词标签。一个具体case的例子如下：

```
共	B-CWS
同	E-CWS
发	B-CWS
展	E-CWS
的	S-CWS
新	S-CWS
世	B-CWS
纪	E-CWS
而	S-CWS
不	B-CWS
懈	I-CWS
努	I-CWS
力	E-CWS
！	S-CWS
```

## 数据集版权信息

CC BY-NC-SA 4.0


## 引用方式
```bib
 @misc{pkucws
 title = {现代汉语语料库加工规范——词语切分与词性标注},
 author = {北京大学计算语言学研究所},
 url = {http://sighan.cs.uchicago.edu/bakeoff2005/data/pku_spec.pdf},
 note = {The Second International Chinese Word Segmentation Bakeoff took place over the summer of 2005 and the results were presented at the 4th SIGHAN Workshop, held at IJCNLP'05, October 14-15.},
 year = {2005} 
}
```