Datasets:

boltuix
/

conll2025-ner

split stringclasses 3 values	tokens sequencelengths 1 275	ner_tags sequencelengths 1 275
train	[ "Big", "Managers", "on", "Campus" ]	[ "O", "O", "O", "O" ]
train	[ "In", "recent", "years", ",", "advanced", "education", "for", "professionals", "has", "become", "a", "hot", "topic", "in", "the", "business", "community", "." ]	[ "O", "B-DATE", "I-DATE", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "With", "this", "trend", ",", "suddenly", "the", "mature", "faces", "of", "managers", "boasting", "an", "average", "of", "over", "ten", "years", "of", "professional", "experience", "have", "flooded", "in", "among", "the", "young", "people", "populating", "university", "campuses", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-DATE", "I-DATE", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "In", "order", "to", "attract", "this", "group", "of", "seasoned", "adults", "pulling", "in", "over", "NT$", "1", "million", "a", "year", "back", "to", "the", "ivory", "tower", ",", "universities", "have", "begun", "to", "establish", "executive", "MBA", "-LRB-", "EMBA", "-RRB-", "programs", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-MONEY", "I-MONEY", "I-MONEY", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-WORK_OF_ART", "O", "B-WORK_OF_ART", "O", "O", "O" ]
train	[ "In", "response", ",", "each", "year", "over", "1000", "mature", "professionals", "looking", "to", "recharge", "their", "minds", "and", "retool", "their", "know", "-", "how", "compete", "for", "a", "precious", "few", "openings", "in", "executive", "degree", "programs", "at", "top", "institutions", "such", "as", "National", "Taiwan", "University", "-LRB-", "NTU", "-RRB-", "and", "National", "Chengchi", "University", "." ]	[ "O", "O", "O", "O", "O", "O", "B-CARDINAL", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-ORG", "I-ORG", "I-ORG", "O", "B-ORG", "O", "O", "B-ORG", "I-ORG", "I-ORG", "O" ]
train	[ "What", "brings", "these", "accomplished", "business", "professionals", "back", "to", "the", "classroom", "?" ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "What", "knowledge", "do", "they", "seek", "that", "can", "not", "be", "found", "in", "society", "at", "large", "?" ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "And", "what", "effect", "does", "their", "return", "have", "on", "campus", "?" ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Morris", "Chang", ",", "chairman", "of", "TSMC", "and", "a", "leading", "light", "of", "Taiwan", "'s", "high", "-", "tech", "industry", ",", "is", "the", "hottest", "university", "lecturer", "around", "." ]	[ "B-PERSON", "I-PERSON", "O", "O", "O", "B-ORG", "O", "O", "O", "O", "O", "B-GPE", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Two", "years", "ago", ",", "National", "Chiaotung", "University", "invited", "Chang", ",", "one", "of", "the", "Taiwan", "IT", "sector", "'s", "most", "prominent", "success", "stories", ",", "to", "lecture", "to", "students", "in", "its", "MBA", "program", "for", "top", "managers", ",", "single", "-", "handedly", "raising", "awareness", "of", "executive", "MBA", "-LRB-", "EMBA", "-RRB-", "programs", "." ]	[ "B-DATE", "I-DATE", "I-DATE", "O", "B-ORG", "I-ORG", "I-ORG", "O", "B-PERSON", "O", "B-CARDINAL", "O", "O", "B-GPE", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-WORK_OF_ART", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-WORK_OF_ART", "O", "B-WORK_OF_ART", "O", "O", "O" ]
train	[ "This", "year", ",", "Acer", "Group", "chairman", "Stan", "Shih", "will", "be", "a", "guest", "lecturer", "at", "the", "university", "." ]	[ "B-DATE", "I-DATE", "O", "B-ORG", "I-ORG", "O", "B-PERSON", "I-PERSON", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "The", "crush", "of", "business", "professionals", "fighting", "for", "a", "spot", "in", "the", "MBA", "program", "at", "Taiwan", "'s", "most", "illustrious", "institution", "of", "higher", "education", "-", "National", "Taiwan", "University", "-", "ensured", "that", "the", "acceptance", "rate", "for", "the", "executive", "graduate", "school", "was", "even", "lower", "than", "that", "for", "undergraduates", "taking", "the", "national", "university", "entrance", "examinations", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-WORK_OF_ART", "O", "O", "B-GPE", "O", "O", "O", "O", "O", "O", "O", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Various", "indications", "demonstrate", "that", "the", "\"", "back", "flow", "education", "\"", "promoted", "by", "the", "Ministry", "of", "Education", "has", "become", "the", "hottest", "investment", "undertaking", "among", "Taiwan", "'s", "universities", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "O", "O", "O", "O", "O", "O", "O", "B-GPE", "O", "O", "O" ]
train	[ "Three", "years", "ago", ",", "in", "the", "effort", "to", "establish", "a", "greater", "diversity", "of", "higher", "educational", "avenues", ",", "the", "Ministry", "of", "Education", "-LRB-", "MOE", "-RRB-", "greatly", "increased", "the", "number", "of", "MA", "degrees", "open", "to", "professionals", "in", "the", "workforce", ",", "steadily", "reducing", "the", "proportion", "of", "regular", "students", "to", "professionals", "from", "the", "previous", "9", "-", "to", "-", "1", "ratio", "." ]	[ "B-DATE", "I-DATE", "I-DATE", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "O", "B-ORG", "O", "O", "O", "O", "O", "O", "B-WORK_OF_ART", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-CARDINAL", "O", "O", "O", "B-CARDINAL", "O", "O" ]
train	[ "In", "addition", ",", "the", "MOE", "allowed", "universities", "to", "determine", "entrance", "examination", "topics", ",", "testing", "dates", "and", "times", ",", "and", "fee", "structures", "individually", "to", "help", "them", "find", "and", "obtain", "the", "best", "students", "." ]	[ "O", "O", "O", "O", "B-ORG", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Always", "in", "search", "of", "revenue", "sources", ",", "universities", "naturally", "fell", "right", "into", "line", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Twelve", "institutions", "opened", "programs", "in", "1999", ",", "with", "the", "number", "of", "executive", "degree", "programs", "growing", "to", "34", "as", "of", "this", "year", "." ]	[ "B-CARDINAL", "O", "O", "O", "O", "B-DATE", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-CARDINAL", "O", "O", "B-DATE", "I-DATE", "O" ]
train	[ "And", "as", "the", "supply", "has", "grown", ",", "professionals", "looking", "to", "recharge", "their", "intellectual", "batteries", "in", "disciplines", "ranging", "from", "Chinese", ",", "foreign", "languages", ",", "and", "physics", "to", "information", "technology", "and", "management", "now", "have", "a", "greater", "selection", "from", "which", "to", "choose", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-NORP", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Management", "white", "-", "hot" ]	[ "O", "O", "O", "O" ]
train	[ "A", "wide", "range", "of", "programs", "is", "available", ",", "but", "popularity", "varies", "greatly", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Last", "year", ",", "National", "Taiwan", "University", "of", "Science", "and", "Technology", "-LRB-", "NTUST", "-RRB-", "opened", "the", "doors", "of", "five", "of", "its", "graduate", "schools", "to", "professionals", "in", "the", "workforce", "." ]	[ "B-DATE", "I-DATE", "O", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "O", "B-ORG", "O", "O", "O", "O", "O", "B-CARDINAL", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Among", "them", ",", "the", "Institute", "of", "Fiber", "planned", "to", "accept", "10", "students", ",", "but", "only", "20", "applied", ",", "resulting", "in", "a", "50", "%", "acceptance", "rate", ";", "meanwhile", ",", "the", "Institute", "of", "Mechanical", "Engineering", "had", "only", "30", "applicants", "for", "10", "spots", "." ]	[ "O", "O", "O", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "O", "O", "O", "B-CARDINAL", "O", "O", "O", "O", "B-CARDINAL", "O", "O", "O", "O", "O", "B-PERCENT", "I-PERCENT", "O", "O", "O", "O", "O", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "O", "O", "B-CARDINAL", "O", "O", "B-CARDINAL", "O", "O" ]
train	[ "Similarly", ",", "nine", "graduate", "institutes", "at", "NTU", ",", "including", "mechanical", "engineering", ",", "Three", "Principles", "of", "the", "People", ",", "and", "biology", ",", "opened", "degree", "programs", "to", "professionals", "last", "year", "." ]	[ "O", "O", "B-CARDINAL", "O", "O", "O", "B-ORG", "O", "O", "O", "O", "O", "B-CARDINAL", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-DATE", "I-DATE", "O" ]
train	[ "Expecting", "to", "accept", "167", "students", ",", "they", "attracted", "a", "mere", "330", "-", "combined", "applicants", "." ]	[ "O", "O", "O", "B-CARDINAL", "O", "O", "O", "O", "O", "O", "B-CARDINAL", "O", "O", "O", "O" ]
train	[ "Compared", "to", "the", "lukewarm", "popularity", "of", "other", "graduate", "programs", ",", "management", "institutes", "are", "white", "hot", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "The", "NTUST", "College", "of", "Management", "attracted", "nearly", "500", "applicants", "with", "over", "10", "years", "of", "work", "experience", "for", "20", "spots", "in", "its", "executive", "management", "program", "beginning", "in", "1999", "." ]	[ "O", "B-ORG", "B-ORG", "I-ORG", "I-ORG", "O", "O", "B-CARDINAL", "O", "O", "O", "B-DATE", "I-DATE", "O", "O", "O", "O", "B-CARDINAL", "O", "O", "O", "O", "O", "O", "O", "O", "B-DATE", "O" ]
train	[ "NTU", "'s", "College", "of", "Management", "opened", "its", "doors", "to", "44", "professionals", "on", "a", "trial", "basis", "in", "1996", ",", "attracting", "a", "phenomenal", "990", "applicants", "." ]	[ "B-ORG", "O", "B-ORG", "I-ORG", "I-ORG", "O", "O", "O", "O", "B-CARDINAL", "O", "O", "O", "O", "O", "O", "B-DATE", "O", "O", "O", "O", "B-CARDINAL", "O", "O" ]
train	[ "When", "95", "spots", "were", "offered", "the", "following", "year", ",", "the", "number", "of", "applicants", "rose", "again", "to", "1400", "." ]	[ "O", "B-CARDINAL", "O", "O", "O", "B-DATE", "I-DATE", "I-DATE", "O", "O", "O", "O", "O", "O", "O", "O", "B-CARDINAL", "O" ]
train	[ "Currently", ",", "around", "a", "dozen", "public", "and", "private", "universities", "in", "Taiwan", ",", "including", "NTU", ",", "National", "Chiaotung", "University", ",", "National", "Sun", "Yat", "-", "sen", "University", ",", "Da", "-", "Yeh", "Institute", "of", "Technology", ",", "and", "Yuan", "-", "Ze", "Institute", "of", "Technology", ",", "offer", "advanced", "degree", "programs", "for", "executive", "management", "personnel", "." ]	[ "O", "O", "B-CARDINAL", "I-CARDINAL", "I-CARDINAL", "O", "O", "O", "O", "O", "B-GPE", "O", "O", "B-ORG", "O", "B-ORG", "I-ORG", "I-ORG", "O", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "O", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "O", "O", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "What", "is", "it", "that", "makes", "graduate", "programs", "in", "management", "so", "popular", "among", "the", "working", "population", "?" ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Liao", "Ching", "-", "jong", ",", "director", "of", "the", "NTUST", "College", "of", "Management", ",", "relates", "that", "new", "entrants", "into", "the", "professional", "ranks", "concentrate", "on", "accumulating", "professional", "know", "-", "how", ",", "while", "seasoned", "middle", "-", "and", "top", "-", "level", "executives", "seek", "an", "edge", "in", "management", "." ]	[ "B-PERSON", "I-PERSON", "I-PERSON", "I-PERSON", "O", "O", "O", "O", "B-ORG", "B-ORG", "I-ORG", "I-ORG", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "And", "while", "most", "recent", "university", "graduates", "are", "able", "to", "apply", "professional", "know", "-", "how", "upon", "entering", "the", "work", "force", ",", "one", "is", "not", "necessarily", "taught", "management", "in", "the", "workplace", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Hence", "universities", "are", "the", "place", "for", "systematic", "instruction", "on", "management", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "\"", "Given", "the", "speed", "at", "which", "the", "business", "environment", "is", "changing", ",", "many", "new", "concepts", "were", "not", "previously", "taught", ",", "\"", "says", "Wu", "Se", "-", "hwa", ",", "dean", "of", "National", "Chengchi", "University", "'s", "College", "of", "Commerce", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-PERSON", "I-PERSON", "I-PERSON", "I-PERSON", "O", "O", "O", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "B-ORG", "I-ORG", "I-ORG", "O" ]
train	[ "Wu", "notes", "that", "such", "new", "fields", "as", "venture", "capital", ",", "technology", "management", ",", "intellectual", "property", ",", "and", "e-commerce", "are", "all", "recent", "additions", "to", "the", "curriculum", "over", "the", "past", "few", "years", "." ]	[ "B-PERSON", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-DATE", "I-DATE", "I-DATE", "I-DATE", "O" ]
train	[ "Professor", "Tang", "Ming", "-", "je", "of", "NTU", "'s", "College", "of", "Management", "adds", ":", "\"", "With", "small", ",", "medium", "-", "size", "and", "family", "businesses", "forming", "the", "backbone", "of", "Taiwanese", "industry", ",", "one", "could", "do", "just", "fine", "without", "professional", "management", "." ]	[ "O", "B-PERSON", "I-PERSON", "I-PERSON", "I-PERSON", "O", "B-ORG", "O", "B-ORG", "I-ORG", "I-ORG", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-NORP", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "But", "in", "the", "age", "of", "the", "global", "village", ",", "many", "bosses", "are", "finding", "that", "relying", "on", "'", "instinct", "'", "to", "make", "business", "decisions", "is", "not", "enough", ",", "and", "that", "they", "need", "systematic", "management", "concepts", ".", "\"" ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Other", "management", "experts", "note", "that", "once", "Taiwan", "joins", "the", "World", "Trade", "Organization", "-LRB-", "WTO", "-RRB-", ",", "foreign", "universities", "will", "be", "able", "to", "recruit", "students", "directly", "in", "Taiwan", ",", "and", "that", "with", "the", "Ministry", "of", "Education", "asking", "national", "universities", "to", "come", "up", "with", "a", "portion", "of", "their", "own", "funding", ",", "universities", "are", "doubly", "motivated", "to", "establish", "programs", "of", "this", "sort", "." ]	[ "O", "O", "O", "O", "O", "O", "B-GPE", "O", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "O", "B-ORG", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-GPE", "O", "O", "O", "O", "O", "B-ORG", "I-ORG", "I-ORG", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "NTU", ",", "which", "enjoys", "the", "distinction", "of", "being", "Taiwan", "'s", "premier", "institution", "of", "higher", "education", ",", "\"", "never", "lacks", "for", "students", ",", "because", "there", "are", "always", "people", "who", "want", "to", "attend", "NTU", ",", "\"", "says", "Tang", "Ming", "-", "je", "." ]	[ "B-ORG", "O", "O", "O", "O", "O", "O", "O", "B-GPE", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-ORG", "O", "O", "O", "B-PERSON", "I-PERSON", "I-PERSON", "I-PERSON", "O" ]
train	[ "More", "than", "a", "diploma" ]	[ "O", "O", "O", "O" ]
train	[ "In", "order", "to", "accommodate", "professionals", "with", "day", "jobs", ",", "many", "universities", "have", "scheduled", "their", "business", "management", "courses", "during", "evening", "hours", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "The", "sight", "of", "professionals", "in", "suits", "and", "ties", "rushing", "to", "class", "at", "dusk", "contrasts", "greatly", "from", "the", "typical", "jeans", "and", "casual", "attire", "of", "fresh", "-", "faced", "undergrads", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Shuttling", "between", "the", "office", "and", "the", "campus", ",", "do", "they", "ever", "feel", "like", "they", "'re", "burning", "the", "candle", "at", "both", "ends", "?" ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "At", "some", "schools", ",", "even", "professionals", "boasting", "Ph.D.", "degrees", "are", "coming", "back", "to", "school", "for", "Master", "'s", "degrees", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "B-WORK_OF_ART", "O", "O", "O", "O", "O", "O", "O", "B-WORK_OF_ART", "I-WORK_OF_ART", "I-WORK_OF_ART", "O" ]
train	[ "Is", "the", "degree", "really", "that", "important", "to", "them", "?" ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Mouton", "Lee", ",", "in", "charge", "of", "over", "80", "employees", "and", "production", "of", "key", "components", "as", "president", "of", "ABBA", "Linear", "Tech", "Co.", ",", "Ltd.", ",", "is", "a", "second", "-", "year", "student", "in", "the", "NTUST", "Graduate", "School", "of", "Management", "." ]	[ "B-PERSON", "I-PERSON", "O", "O", "O", "O", "O", "B-CARDINAL", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "O", "O", "O", "B-DATE", "I-DATE", "I-DATE", "O", "O", "O", "B-ORG", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "O" ]
train	[ "Lee", "relates", "that", "as", "a", "youth", "he", "studied", "because", "he", "was", "forced", "to", ",", "but", "now", "his", "motivations", "for", "learning", "are", "far", "greater", "-", "so", "great", "in", "fact", "that", "he", "registered", "for", "three", "classes", "at", "the", "start", "of", "the", "semester", ",", "a", "decision", "he", "has", "come", "to", "regret", "for", "lack", "of", "time", "." ]	[ "B-PERSON", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-CARDINAL", "O", "O", "B-DATE", "I-DATE", "I-DATE", "I-DATE", "I-DATE", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Lee", ",", "who", "has", "also", "taken", "short", "-", "term", "management", "courses", ",", "says", ",", "\"", "Degree", "programs", "are", "better", ",", "since", "the", "pressure", "makes", "you", "grow", ".", "\"" ]	[ "B-PERSON", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Mouton", "Lee", "would", "like", "a", "Master", "'s", "degree", ",", "yet", "today", "he", "studies", "for", "the", "knowledge", "it", "brings", "." ]	[ "B-PERSON", "I-PERSON", "O", "O", "B-WORK_OF_ART", "I-WORK_OF_ART", "I-WORK_OF_ART", "I-WORK_OF_ART", "O", "O", "B-DATE", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Ever", "since", "graduating", "with", "a", "degree", "in", "mechanical", "engineering", "from", "NTUST", "and", "setting", "out", "to", "start", "his", "own", "business", "over", "20", "years", "ago", ",", "that", "degree", "has", "sat", "in", "a", "drawer", "somewhere", ",", "relegated", "to", "mere", "symbolic", "significance", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-ORG", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-DATE", "I-DATE", "I-DATE", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Hsieh", "Sun", "-", "chi", ",", "director", "of", "the", "Control", "Yuan", "'s", "Office", "of", "Information", "Management", "and", "a", "25", "-", "year", "veteran", "of", "civil", "service", ",", "relates", "that", "he", "has", "already", "attained", "the", "highest", "rank", "a", "general", "civil", "servant", "can", "achieve", ",", "yet", "at", "the", "age", "of", "50", "he", "still", "has", "over", "a", "decade", "until", "retirement", "." ]	[ "B-PERSON", "I-PERSON", "I-PERSON", "I-PERSON", "O", "O", "O", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "O", "O", "B-DATE", "I-DATE", "I-DATE", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-DATE", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Two", "years", "ago", ",", "this", "led", "him", "to", "consider", "taking", "a", "new", "direction", ",", "and", "he", "tested", "into", "National", "Chengchi", "University", "'s", "College", "of", "Commerce", "intent", "on", "making", "connections", "with", "movers", "and", "shakers", "in", "different", "fields", "." ]	[ "B-DATE", "I-DATE", "I-DATE", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "B-ORG", "I-ORG", "I-ORG", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Chang", "Chin", "-", "tsung", ",", "a", "researcher", "at", "the", "Chung", "-", "Shan", "Institute", "of", "Science", "&", "Technology", "with", "a", "Ph.D.", "in", "mechanical", "engineering", "from", "a", "US", "university", ",", "shuttles", "between", "his", "office", "in", "Taoyuan", "s", "Lungtan", "and", "the", "NTU", "campus", "three", "days", "each", "week", "." ]	[ "B-PERSON", "I-PERSON", "I-PERSON", "I-PERSON", "O", "O", "O", "O", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "O", "O", "B-WORK_OF_ART", "O", "O", "O", "O", "O", "B-GPE", "O", "O", "O", "O", "O", "O", "O", "B-GPE", "O", "B-GPE", "O", "O", "B-ORG", "O", "B-DATE", "I-DATE", "O", "O", "O" ]
train	[ "Long", "immersed", "in", "the", "sciences", "and", "always", "focusing", "on", "numbers", "and", "statistics", ",", "Chang", "says", "he", "feels", "like", "he", "\"", "has", "gotten", "into", "a", "mental", "rut", ".", "\"" ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-PERSON", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Although", "Hsinchu", "'s", "National", "Chiaotung", "University", "offers", "a", "similar", "management", "curriculum", ",", "he", "was", "concerned", "that", "the", "students", "there", "would", "be", "science", "park", "types", "with", "similar", "backgrounds", "in", "high", "tech", "fields", "." ]	[ "O", "B-GPE", "O", "B-ORG", "I-ORG", "I-ORG", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Thus", "he", "would", "rather", "spend", "the", "extra", "time", "commuting", "to", "NTU", "to", "be", "around", "students", "with", "experience", "in", "such", "fields", "as", "advertising", ",", "finance", ",", "and", "architecture", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-ORG", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "\"", "I", "'d", "be", "lying", "if", "I", "said", "the", "degree", "does", "n't", "matter", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "If", "it", "did", "n't", ",", "why", "not", "just", "get", "into", "a", "non-degree", "program", "?" ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "The", "truth", "is", "that", "a", "degree", "in", "management", "does", "nothing", "to", "help", "me", "in", "my", "current", "job", ",", "but", "it", "gives", "me", "a", "second", "skill", "if", "I", "choose", "another", "route", "in", "the", "future", ".", "\"" ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-ORDINAL", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Advanced", "training", "for", "professionals", "has", "become", "a", "hot", "topic", "among", "executives", "over", "the", "past", "two", "years", ",", "but", "continuing", "education", "is", "nothing", "new", "among", "Taiwan", "'s", "universities", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-DATE", "I-DATE", "I-DATE", "I-DATE", "O", "O", "O", "O", "O", "O", "O", "O", "B-GPE", "O", "O", "O" ]
train	[ "For", "instance", ",", "National", "Chengchi", "University", "'s", "Public", "Administration", "Center", "has", "offered", "graduate", "extension", "courses", "for", "executives", "for", "over", "a", "decade", ",", "the", "difference", "being", "that", ",", "upon", "completion", "of", "the", "curriculum", "students", "only", "receive", "a", "certificate", "of", "course", "credit", "." ]	[ "O", "O", "O", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "B-ORG", "I-ORG", "I-ORG", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-DATE", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "In", "comparison", ",", "a", "Master", "'s", "degree", "is", "far", "more", "appealing", ",", "given", "that", "a", "degree", "is", "awarded", "upon", "completion", "of", "studies", "." ]	[ "O", "O", "O", "B-WORK_OF_ART", "I-WORK_OF_ART", "I-WORK_OF_ART", "I-WORK_OF_ART", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Burning", "the", "proverbial", "candle" ]	[ "O", "O", "O", "O" ]
train	[ "Motivated", "by", "the", "degree", "or", "not", ",", "the", "enthusiasm", "of", "these", "professionals", "for", "their", "studies", "is", "impressive", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Nevertheless", ",", "they", "must", "pay", "a", "hefty", "price", "to", "be", "able", "to", "study", "in", "the", "first", "place", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-ORDINAL", "O", "O" ]
train	[ "First", ",", "working", "during", "the", "day", "and", "attending", "classes", "at", "night", "is", "often", "a", "war", "of", "energy", "and", "will", "." ]	[ "B-ORDINAL", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Next", ",", "they", "must", "shuffle", "their", "work", "schedules", "to", "accommodate", "their", "studies", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Many", "of", "them", "have", "to", "reschedule", "business", "trips", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Meanwhile", ",", "some", "become", "highway", "speeders", ",", "rushing", "from", "Taoyuan", "or", "Hsinchu", "to", "attend", "class", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-GPE", "O", "B-GPE", "O", "O", "O", "O" ]
train	[ "And", "female", "managers", ",", "ordinarily", "responsible", "for", "household", "chores", "as", "well", ",", "really", "burn", "the", "proverbial", "candle", "at", "both", "ends", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "\"", "I", "have", "my", "time", "perfectly", "allotted", ",", "\"", "says", "Morna", "Lee", ",", "Taiwan", "regional", "business", "manager", "for", "Kellogg", "'s", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-PERSON", "I-PERSON", "O", "B-GPE", "O", "O", "O", "O", "B-ORG", "I-ORG", "O" ]
train	[ "She", "divides", "her", "schedule", "into", "three", "-", "month", "cycles", ",", "and", "with", "one", "class", "on", "Thursday", "afternoons", ",", "her", "company", "does", "its", "best", "to", "accommodate", "her", "by", "not", "holding", "meetings", "that", "involve", "her", "on", "that", "day", "of", "the", "week", "." ]	[ "O", "O", "O", "O", "O", "B-DATE", "I-DATE", "I-DATE", "O", "O", "O", "O", "B-CARDINAL", "O", "O", "B-DATE", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-DATE", "I-DATE", "I-DATE", "I-DATE", "I-DATE", "O" ]
train	[ "Still", ",", "sometimes", "nothing", "can", "be", "done", ",", "such", "as", "the", "time", "that", "she", "had", "a", "meeting", "in", "Hong", "Kong", "early", "one", "Friday", "morning", ",", "forcing", "her", "to", "miss", "class", "on", "Thursday", "while", "she", "flew", "to", "Hong", "Kong", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-GPE", "I-GPE", "B-TIME", "I-TIME", "I-TIME", "I-TIME", "O", "O", "O", "O", "O", "O", "O", "B-DATE", "O", "O", "O", "O", "B-GPE", "I-GPE", "O" ]
train	[ "She", "had", "to", "fly", "quickly", "back", "to", "Taipei", "to", "make", "class", "on", "Saturday", "afternoon", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "B-GPE", "O", "O", "O", "O", "B-TIME", "I-TIME", "O" ]
train	[ "Despite", "often", "staying", "up", "until", "2:00", "or", "3:00", "AM", "to", "study", "or", "write", "reports", ",", "Lee", "likes", "mingling", "in", "the", "executive", "management", "class", "with", "a", "diverse", "group", "of", "students", "from", "different", "fields", ",", "and", "feels", "that", "the", "new", "ideas", "the", "professors", "feed", "them", "help", "keep", "her", "brain", "supple", "." ]	[ "O", "O", "O", "O", "O", "B-TIME", "I-TIME", "I-TIME", "I-TIME", "O", "O", "O", "O", "O", "O", "B-PERSON", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Moreover", ",", "she", "muses", ",", "\"", "We", "managers", "are", "a", "strange", "breed", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "If", "we", "do", "n't", "exhaust", "ourselves", ",", "we", "end", "up", "sick", ".", "\"" ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Female", "professionals", "like", "Morna", "Lee", "represent", "a", "minority", "among", "executive", "degree", "students", ",", "accounting", "for", "just", "about", "five", "percent", "." ]	[ "O", "O", "O", "B-PERSON", "I-PERSON", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-PERCENT", "I-PERCENT", "I-PERCENT", "O" ]
train	[ "\"", "If", "you", "asked", "me", "whether", "work", "or", "family", "is", "more", "important", ",", "I", "would", "say", "that", "since", "entering", "society", "20", "years", "ago", "work", "has", "always", "come", "first", ",", "\"", "states", "Donna", "Sun", ",", "vice", "president", "of", "the", "Human", "Resource", "Division", "at", "Schmidt", "Scientific", "Taiwan", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-DATE", "I-DATE", "I-DATE", "O", "O", "O", "O", "B-ORDINAL", "O", "O", "O", "B-PERSON", "I-PERSON", "O", "O", "O", "O", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "O", "B-ORG", "I-ORG", "I-ORG", "O" ]
train	[ "Even", "if", "she", "has", "no", "classes", "to", "attend", ",", "leaving", "the", "office", "at", "8:00", "PM", "is", "no", "different", "from", "the", "perspective", "of", "her", "family", "life", "than", "the", "extra", "hour", "she", "spends", "attending", "classes", "until", "9:00", "PM", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-TIME", "I-TIME", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-TIME", "I-TIME", "O" ]
train	[ "She", "is", "thankful", "that", "her", "son", ",", "a", "university", "student", ",", "and", "her", "daughter", ",", "a", "third", "-", "year", "junior", "high", "school", "student", ",", "have", "always", "been", "very", "independent", "and", "self", "-", "reliant", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-DATE", "I-DATE", "I-DATE", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Hiring", "someone", "to", "help", "with", "housework", ",", "Lee", "is", "a", "model", "for", "the", "children", "when", "it", "comes", "to", "studying", ",", "even", "taking", "them", "to", "the", "library", "on", "breaks", "to", "conduct", "research", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "B-PERSON", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "No", "magic", "bullet" ]	[ "O", "O", "O" ]
train	[ "Compared", "to", "young", "students", "focused", "on", "getting", "a", "degree", ",", "the", "motivations", "of", "professionals", "studying", "for", "advanced", "degrees", "\"", "are", "not", "that", "simple", ".", "\"" ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "They", "might", "be", "after", "new", "knowledge", ",", "keen", "to", "sport", "a", "fancy", "degree", "from", "a", "graduate", "school", "like", "NTU", "or", "Chengchi", "University", ",", "out", "to", "network", "with", "others", ",", "or", "looking", "out", "for", "the", "survival", "of", "business", "and", "to", "raise", "competitiveness", "by", "searching", "for", "answers", "to", "difficult", "work", "or", "business", "issues", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-ORG", "O", "B-ORG", "I-ORG", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "\"", "Looking", "for", "quick", "answers", "from", "professors", "is", "a", "misguided", "concept", ",", "\"", "says", "Tang", "Ming", "-", "je", ",", "professor", "of", "strategic", "management", "at", "NTU", "'s", "Department", "of", "International", "Business", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-PERSON", "I-PERSON", "I-PERSON", "I-PERSON", "O", "O", "O", "O", "O", "O", "B-ORG", "O", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "O" ]
train	[ "Before", "commencing", "a", "course", ",", "Tang", "tells", "his", "students", ",", "\"", "I", "am", "not", "in", "the", "consulting", "business", "." ]	[ "O", "O", "O", "O", "O", "B-PERSON", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "There", "are", "no", "magic", "bullets", ",", "for", "if", "I", "had", "any", "I", "'d", "have", "gotten", "rich", "long", "ago", ".", "\"" ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Wu", "Se", "-", "hwa", ",", "dean", "of", "National", "Chengchi", "University", "'s", "College", "of", "Commerce", ",", "relates", ",", "\"", "Academic", "institutions", "provide", "systematic", "thinking", ",", "not", "the", "answers", "to", "specific", "questions", ".", "\"" ]	[ "B-PERSON", "I-PERSON", "I-PERSON", "I-PERSON", "O", "O", "O", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "B-ORG", "I-ORG", "I-ORG", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Wu", "tells", "his", "students", "that", "if", "they", "put", "other", "things", "aside", "and", "concentrate", "on", "their", "studies", "for", "three", "weeks", ",", "maybe", "they", "'ll", "find", "the", "answer", "themselves", "." ]	[ "B-PERSON", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-DATE", "I-DATE", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Wu", "notes", "that", "adult", "students", "bring", "rich", "practical", "experience", "to", "the", "table", ",", "and", "lack", "only", "the", "knowledge", "to", "combine", "and", "integrate", "scattered", "experience", "." ]	[ "B-PERSON", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "For", "them", ",", "returning", "to", "school", "is", "valuable", "for", "establishing", "their", "own", "modes", "of", "thinking", "with", "the", "knowledge", "they", "pick", "up", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Unlike", "the", "20th", "century", ",", "where", "the", "amount", "of", "capital", "was", "the", "greatest", "factor", "determining", "success", ",", "Wu", "Se", "-", "hwa", "believes", "that", "the", "next", "century", "will", "be", "about", "\"", "knowledge", "as", "the", "main", "competitive", "force", ".", "\"" ]	[ "O", "B-DATE", "I-DATE", "I-DATE", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-PERSON", "I-PERSON", "I-PERSON", "I-PERSON", "O", "O", "B-DATE", "I-DATE", "I-DATE", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "The", "book", "The", "500", "-", "year", "Delta", "notes", "that", "in", "the", "1960s", "each", "executive", "might", "only", "have", "to", "learn", "one", "new", "skill", "each", "year", ",", "such", "as", "how", "to", "use", "a", "computer", "or", "send", "e-mail", "." ]	[ "O", "O", "B-WORK_OF_ART", "I-WORK_OF_ART", "I-WORK_OF_ART", "I-WORK_OF_ART", "I-WORK_OF_ART", "O", "O", "O", "B-DATE", "I-DATE", "O", "O", "O", "O", "O", "O", "O", "B-CARDINAL", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "By", "the", "1990s", ",", "accumulation", "of", "know", "-", "how", "accelerated", "many", "times", "over", ",", "so", "that", "executives", "needed", "to", "learn", "something", "new", "each", "day", "." ]	[ "O", "B-DATE", "I-DATE", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "Now", ",", "in", "the", "21st", "century", ",", "each", "manager", "might", "have", "to", "learn", "something", "new", "every", "single", "hour", "of", "the", "working", "day", "." ]	[ "O", "O", "O", "B-DATE", "I-DATE", "I-DATE", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-TIME", "I-TIME", "I-TIME", "I-TIME", "I-TIME", "I-TIME", "I-TIME", "O" ]
train	[ "Curriculums", "need", "selling", "points" ]	[ "O", "O", "O", "O" ]
train	[ "In", "order", "to", "satisfy", "students", "with", "diverse", "expectations", "and", "needs", "for", "basic", "knowledge", ",", "what", "innovative", "means", "must", "a", "professor", "resort", "to", "?" ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "And", "what", "challenges", "does", "this", "pose", "for", "the", "institution", "itself", "?" ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O" ]
train	[ "People", "are", "going", "to", "fall", "asleep", "no", "matter", "what", ",", "so", "you", "have", "to", "think", "on", "your", "feet", "and", "use", "different", "techniques", "to", "stimulate", "their", "attention", ",", "\"", "remarks", "Mark", "Gia", "-", "khy", "Tang", ",", "professor", "in", "the", "Department", "of", "Risk", "Management", "and", "Insurance", "at", "National", "Chengchi", "University", "." ]	[ "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "O", "B-PERSON", "I-PERSON", "I-PERSON", "I-PERSON", "I-PERSON", "O", "O", "O", "B-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "I-ORG", "O", "B-ORG", "I-ORG", "I-ORG", "O" ]

End of preview. Expand in Data Studio

🌍 CoNLL 2025 NER Dataset — Unlocking Entity Recognition in Text

Extract the Building Blocks of Meaning 📍
The CoNLL 2025 NER Dataset is a powerful collection of 143,709 entries designed for Named Entity Recognition (NER). With tokenized text and 36 expertly annotated NER tags (e.g., 🗓️ DATE, 💸 MONEY, 🏢 ORG), this dataset enables AI to identify entities in text for applications like knowledge graphs 📈, intelligent search 🔍, and automated content analysis 📝.

This 6.38 MB dataset is lightweight, developer-friendly, and ideal for advancing natural language processing (NLP), information extraction, and text mining. Whether you're building chatbots 🤖, analyzing news articles 📰, or structuring data for AI 🛠️, this dataset is your key to unlocking structured insights from text.

Download Now 🚀

Table of Contents 📋

What is NER? ❓
Why CoNLL 2025 NER Dataset? 🌟
Dataset Snapshot 📊
Key Features ✨
NER Tags & Purposes 🏷️
Installation 🛠️
Download Instructions 📥
Quickstart: Dive In 🚀
Data Structure 📋
Use Cases 🌍
Preprocessing Guide 🔧
Visualizing NER Tags 📉
Comparison to Other Datasets ⚖️
Source 🌱
Tags 🏷️
License 📜
Credits 🙌
Community & Support 🌐
Last Updated 📅

What is NER? ❓

Named Entity Recognition (NER) is a core NLP task that identifies and classifies named entities in text into categories like people 👤, organizations 🏢, locations 🌍, dates 🗓️, and more. For example:

Sentence: "Microsoft opened a store in Tokyo on January 2025."
NER Output:
- Microsoft → 🏢 ORG
- Tokyo → 🌍 GPE
- January 2025 → 🗓️ DATE

NER powers applications by extracting structured data from unstructured text, enabling smarter search, content analysis, and knowledge extraction.

Why CoNLL 2025 NER Dataset? 🌟

Rich Entity Coverage 🏷️: 36 NER tags capturing entities like 🗓️ DATE, 💸 MONEY, and 👤 PERSON.
Compact & Scalable ⚡: Only 6.38 MB, ideal for edge devices and large-scale NLP projects.
Real-World Impact 🌍: Drives AI for search systems, knowledge graphs, and automated analysis.
Developer-Friendly 🧑‍💻: Integrates with Python 🐍, Hugging Face 🤗, and NLP frameworks like spaCy and transformers.

“The CoNLL 2025 NER Dataset transformed our text analysis pipeline!” — Data Scientist 💬

Dataset Snapshot 📊

Metric	Value
Total Entries	143,709
Columns	3 (split, tokens, ner_tags)
Missing Values	0
File Size	6.38 MB
Splits	Train (size TBD)
Unique Tokens	To be calculated
NER Tag Types	36 (B-/I- tags + O)

Note: Exact split sizes and token counts require dataset analysis.

Key Features ✨

Diverse NER Tags 🏷️: Covers 18 entity types with B- (beginning) and I- (inside) tags, plus O for non-entities.
Lightweight Design 💾: 6.38 MB Parquet file fits anywhere, from IoT devices to cloud servers.
Versatile Applications 🌐: Supports NLP tasks like entity extraction, text annotation, and knowledge base creation.
High-Quality Annotations 📝: Expert-curated tags ensure precision for production-grade AI.

NER Tags & Purposes 🏷️

The dataset uses the BIO tagging scheme:

B- (Beginning): Marks the start of an entity.
I- (Inside): Marks continuation of an entity.
O: Non-entity token.

Below is a table of the 36 NER tags with their purposes and emojis for visual appeal:

Tag Name	Purpose	Emoji
B-CARDINAL	Beginning of a cardinal number (e.g., "1000")	🔢
B-DATE	Beginning of a date (e.g., "January")	🗓️
B-EVENT	Beginning of an event (e.g., "Olympics")	🎉
B-FAC	Beginning of a facility (e.g., "Eiffel Tower")	🏛️
B-GPE	Beginning of a geopolitical entity (e.g., "Tokyo")	🌍
B-LANGUAGE	Beginning of a language (e.g., "Spanish")	🗣️
B-LAW	Beginning of a law or legal document (e.g., "Constitution")	📜
B-LOC	Beginning of a non-GPE location (e.g., "Pacific Ocean")	🗺️
B-MONEY	Beginning of a monetary value (e.g., "$100")	💸
B-NORP	Beginning of a nationality/religious/political group (e.g., "Democrat")	🏳️
B-ORDINAL	Beginning of an ordinal number (e.g., "first")	🥇
B-ORG	Beginning of an organization (e.g., "Microsoft")	🏢
B-PERCENT	Beginning of a percentage (e.g., "50%")	📊
B-PERSON	Beginning of a person’s name (e.g., "Elon Musk")	👤
B-PRODUCT	Beginning of a product (e.g., "iPhone")	📱
B-QUANTITY	Beginning of a quantity (e.g., "two liters")	⚖️
B-TIME	Beginning of a time (e.g., "noon")	⏰
B-WORK_OF_ART	Beginning of a work of art (e.g., "Mona Lisa")	🎨
I-CARDINAL	Inside of a cardinal number (e.g., "000" in "1000")	🔢
I-DATE	Inside of a date (e.g., "2025" in "January 2025")	🗓️
I-EVENT	Inside of an event name	🎉
I-FAC	Inside of a facility name	🏛️
I-GPE	Inside of a geopolitical entity	🌍
I-LANGUAGE	Inside of a language name	🗣️
I-LAW	Inside of a legal document title	📜
I-LOC	Inside of a location	🗺️
I-MONEY	Inside of a monetary value	💸
I-NORP	Inside of a NORP entity	🏳️
I-ORDINAL	Inside of an ordinal number	🥇
I-ORG	Inside of an organization name	🏢
I-PERCENT	Inside of a percentage	📊
I-PERSON	Inside of a person’s name	👤
I-PRODUCT	Inside of a product name	📱
I-QUANTITY	Inside of a quantity	⚖️
I-TIME	Inside of a time phrase	⏰
I-WORK_OF_ART	Inside of a work of art title	🎨
O	Outside of any named entity (e.g., "the", "is")	🚫

Example
For "Microsoft opened in Tokyo on January 2025":

Tokens: ["Microsoft", "opened", "in", "Tokyo", "on", "January", "2025"]
Tags: [B-ORG, O, O, B-GPE, O, B-DATE, I-DATE]

Installation 🛠️

Install dependencies to work with the dataset:

pip install datasets pandas pyarrow

Requirements 📋: Python 3.8+, ~6.38 MB storage.
Optional 🔧: Add transformers, spaCy, or flair for advanced NER tasks.

Download Instructions 📥

Direct Download

Grab the dataset from the Hugging Face repository 📂.
Load it with pandas 🐼, Hugging Face datasets 🤗, or your preferred tool.

Start Exploring Dataset 🚀

Quickstart: Dive In 🚀

Jump into the dataset with this Python code:

import pandas as pd
from datasets import Dataset

# Load Parquet
df = pd.read_parquet("conll2025_ner.parquet")

# Convert to Hugging Face Dataset
dataset = Dataset.from_pandas(df)

# Preview first entry
print(dataset[0])

Sample Output 📋

{
  "split": "train",
  "tokens": ["Big", "Managers", "on", "Campus"],
  "ner_tags": ["O", "O", "O", "O"]
}

Convert to CSV 📄

To convert to CSV:

import pandas as pd

# Load Parquet
df = pd.read_parquet("conll2025_ner.parquet")

# Save as CSV
df.to_csv("conll2025_ner.csv", index=False)

Data Structure 📋

Field	Type	Description
split	String	Dataset split (e.g., "train")
tokens	List	Tokenized text (e.g., ["Big", "Managers", ...])
ner_tags	List	NER tags (e.g., ["O", "O", "O", "O"])

Example Entry

{
  "split": "train",
  "tokens": ["In", "recent", "years"],
  "ner_tags": ["O", "B-DATE", "I-DATE"]
}

Use Cases 🌍

The CoNLL 2025 NER Dataset unlocks a wide range of applications:

Information Extraction 📊: Extract 🗓️ dates, 👤 people, or 🏢 organizations from news, reports, or social media.
Intelligent Search Systems 🔍: Enable entity-based search (e.g., "find articles mentioning Tokyo in 2025").
Knowledge Graph Construction 📈: Link entities like 👤 PERSON and 🏢 ORG to build structured knowledge bases.
Chatbots & Virtual Assistants 🤖: Enhance context understanding by recognizing entities in user queries.
Document Annotation 📝: Automate tagging of entities in legal 📜, medical 🩺, or financial 💸 documents.
News Analysis 📰: Track mentions of 🌍 GPEs or 🎉 EVENTs in real-time news feeds.
E-commerce Personalization 🛒: Identify 📱 PRODUCT or ⚖️ QUANTITY in customer reviews for better recommendations.
Fraud Detection 🕵️: Detect suspicious 💸 MONEY or 👤 PERSON entities in financial transactions.
Social Media Monitoring 📱: Analyze 🏳️ NORP or 🌍 GPE mentions for trend detection.
Academic Research 📚: Study entity distributions in historical texts or corpora.
Geospatial Analysis 🗺️: Map 🌍 GPE and 🗺️ LOC entities for location-based insights.

Preprocessing Guide 🔧

Prepare the dataset for your NER project:

Load the Data 📂:

import pandas as pd
df = pd.read_parquet("conll2025_ner.parquet")

Filter by Split 🔍:

train_data = df[df["split"] == "train"]

Validate BIO Tags 🏷️:

def validate_bio(tags):
    valid_tags = set([
        "O", "B-CARDINAL", "I-CARDINAL", "B-DATE", "I-DATE", "B-EVENT", "I-EVENT",
        "B-FAC", "I-FAC", "B-GPE", "I-GPE", "B-LANGUAGE", "I-LANGUAGE", "B-LAW", "I-LAW",
        "B-LOC", "I-LOC", "B-MONEY", "I-MONEY", "B-NORP", "I-NORP", "B-ORDINAL", "I-ORDINAL",
        "B-ORG", "I-ORG", "B-PERCENT", "I-PERCENT", "B-PERSON", "I-PERSON",
        "B-PRODUCT", "I-PRODUCT", "B-QUANTITY", "I-QUANTITY", "B-TIME", "I-TIME",
        "B-WORK_OF_ART", "I-WORK_OF_ART"
    ])
    return all(tag in valid_tags for tag in tags)

df["valid_bio"] = df["ner_tags"].apply(validate_bio)

Encode Tags for Training 🔢:

from sklearn.preprocessing import LabelEncoder
all_tags = [tag for tags in df["ner_tags"] for tag in tags]
le = LabelEncoder()
encoded_tags = le.fit_transform(all_tags)

Save Processed Data 💾:

df.to_parquet("preprocessed_conll2025_ner.parquet")

Tokenize further with transformers 🤗 or NeuroNER for model training.

Visualizing NER Tags 📉

Visualize the NER tag distribution to understand entity prevalence. Since exact counts are unavailable, the chart below uses estimated data for demonstration. Replace with actual counts after analysis.

To compute actual counts:

import pandas as pd
from collections import Counter
import matplotlib.pyplot as plt

# Load dataset
df = pd.read_parquet("conll2025_ner.parquet")

# Flatten ner_tags
all_tags = [tag for tags in df["ner_tags"] for tag in tags]
tag_counts = Counter(all_tags)

# Plot
plt.figure(figsize=(12, 7))
plt.bar(tag_counts.keys(), tag_counts.values(), color="#36A2EB")
plt.title("CoNLL 2025 NER: Tag Distribution")
plt.xlabel("NER Tag")
plt.ylabel("Count")
plt.xticks(rotation=45, ha="right")
plt.grid(axis="y", linestyle="--", alpha=0.7)
plt.tight_layout()
plt.savefig("ner_tag_distribution.png")

Comparison to Other Datasets ⚖️

Dataset	Entries	Size	Focus	Tasks Supported
CoNLL 2025 NER	143,709	6.38 MB	Comprehensive NER (18 entity types)	NER, NLP
CoNLL 2003	~20K	~5 MB	NER (PERSON, ORG, LOC, MISC)	NER
OntoNotes 5.0	~1.7M	~200 MB	NER, coreference, POS	NER, Coreference, POS Tagging
WikiANN	~40K	~10 MB	Multilingual NER	NER

The CoNLL 2025 NER Dataset excels with its broad entity coverage, compact size, and modern annotations, making it suitable for both research and production.

Source 🌱

Text Sources 📜: Curated from diverse texts, including user-generated content, news, and research corpora.
Annotations 🏷️: Expert-labeled for high accuracy and consistency.
Mission 🎯: To advance NLP by providing a robust dataset for entity recognition.

Tags 🏷️

#CoNLL2025NER #NamedEntityRecognition #NER #NLP
#MachineLearning #DataScience #ArtificialIntelligence
#TextAnalysis #InformationExtraction #DeepLearning
#AIResearch #TextMining #KnowledgeGraphs #AIInnovation
#NaturalLanguageProcessing #BigData #AIForGood #Dataset2025