ttxy/resume_ner

中文 resume ner 数据集， 来源: https://github.com/luopeixiang/named_entity_recognition 。 数据的格式如下，它的每一行由一个字及其对应的标注组成，标注集采用BIOES，句子之间用一个空行隔开。 美 B-LOC 国 E-LOC 的 O 华 B-PER 莱 I-PER 士 E-PER 我 O 跟 O 他 O 谈 O 笑 O 风 O 生 O 效果 不同模型的效果对比： Bert-tiny 结果 model precision recall f1-score support BERT-tiny 0.9490 0.9538 0.9447 全部 BERT-tiny 0.9278 0.9251 0.9313 使用 100 train 注： 后面再测试，BERT-tiny(softmax) + 100 训练样本，暂时没有复现 0.9313 的结果，最好结果 0.8612 BERT-tiny +… See the full description on the dataset page: https://huggingface.co/datasets/ttxy/resume_ner.

<iframe src="https://silytics.si/embed/item/c440163e-14e6-4f69-9ad9-17c8b52ded1e" width="420" height="190" style="border:0" loading="lazy" title="Silytics entry"></iframe>

Silytics shows public metadata from Hugging Face and links to the original. Information may be incomplete or out of date. Last refreshed 17 October 2026. Licenses and terms of the original apply to the work itself. Not financial, legal or professional advice.