数据集概述
本数据集为InstructIE双语指令信息抽取数据集，包含中文和英文两种语言的指令调优数据，覆盖事件、自然科学、建筑结构等多个类别。数据集由9个文件组成，主要文件格式为JSON和MD，适用于信息抽取任务的模型训练与评估。
文件详解
- 说明文档
- 文件名称：README_ZH.md、README.md
- 文件格式：MD
- 字段映射介绍：包含数据集的基本说明、使用指南等文档内容
- 训练数据
- 文件名称：train_zh.json、train_en.json
- 文件格式：JSON
- 字段映射介绍：分别为中文和英文的训练数据文件，用于模型训练
- 验证数据
- 文件名称：valid_zh.json、valid_en.json
- 文件格式：JSON
- 字段映射介绍：分别为中文和英文的验证数据文件，用于模型验证
- 测试数据
- 文件名称：test_en.json
- 文件格式：JSON
- 字段映射介绍：英文测试数据文件，用于模型测试
- 模式定义
- 文件名称：schema_zh.json、schema_en.json
- 文件格式：JSON
- 字段映射介绍：定义数据模式，其中schema_zh.json包含事件、自然科学、建筑结构、地理地区、组织、医学、天文对象、人造物件、运输、作品、生物、人物等类别
适用场景
- 信息抽取模型训练: 用于训练支持中文和英文的指令驱动信息抽取模型
- 模型性能评估: 通过验证和测试数据评估信息抽取模型在不同语言和类别上的性能
- 多语言自然语言处理研究: 探索双语信息抽取任务中的跨语言迁移学习方法
- 领域特定信息抽取: 针对事件、医学、生物等特定领域开展信息抽取任务研究
