时间感知命名实体识别推特语料库

数据集概述

该数据集为命名实体识别任务开发，包含2014-2019年的12000条标注推特，每年2000条。标注实体类型为地点（LOC）、人物（PER）和组织（ORG），用于研究时间数据漂移对NER模型的影响。

文件详解

• 文件名称: temporal-ner-twitter-corpus.zip
• 文件格式: ZIP压缩包
• 内容说明: 压缩包内包含按年份划分的JSON格式标注文件，含推特ID及词级实体标注；2019年数据分为开发集和测试集，用于模拟未来时间预测场景。需通过Twitter搜索API提取对应文本内容。

适用场景

• NLP模型时效性研究: 分析时间数据漂移对NER模型性能的影响
• 社交媒体实体识别: 构建针对推特文本的命名实体识别模型
• 跨时间文本分析: 研究不同时间段社交媒体中实体提及模式的变化
• 模型鲁棒性测试: 验证NER模型在未来时间数据上的泛化能力