Datasets:

lang-uk
/

UberText-NER-Silver

text stringlengths 1 469
Працівники O
ЦПД B-ORG
при I-ORG
РНБО I-ORG
України I-ORG
зібрали O
добірку O
фейків O
, O
маніпуляцій O
та O
дезінформаційних O
« O
вкидів O
» O
, O
які O
ворог O
продукував O
протягом O
24.03.2022 B-PERIOD
року I-PERIOD
. O

Міська O
влада O
Енергодаруповернуласядо O
будівлі O
виконкому O
. O

Також O
передбачена O
заміна O
залізобетонної O
монолітної O
плити O
на O
сучасну O
- O
зі O
сталі O
. O

У O
президента B-JOB
склалось O
враження O
, O
що O
його O
хтось O
намагається O
відтерти O
від O
прямого O
контакту O
зі O
своїми O
, O
з O
депутатами B-JOB
. O

Щодня O
темпи O
зростають O
. O

Історії O
, O
які O
ви O
можете O
прочитати O
наМС O
. B-MISC
today I-MISC
: O
💰 O
Відкладати O
10 B-PCT
% I-PCT
заробітку O
і O
купувати O
біткоїни O
– O
5 O
популярних O
порад O
про O
гроші O
, O
що O
не O
працюють O
😳 O
Звільнили O
сисадмінів O

End of preview. Expand in Data Studio

UberText-NER-Silver

UberText-NER-Silver is a silver-standard named entity recognition (NER) dataset for the Ukrainian language. It was automatically annotated using a high-performance model trained on NER-UK 2.0 and covers over 2.5 million social media and web sentences. The dataset significantly expands the coverage of underrepresented entity types and informal domains.

Dataset Summary

Total Sentences: 2,573,205
Total Words: 45,489,533
Total Entity Spans: 4,393,316
Entity Types (13): PERS, ORG, LOC, DATE, TIME, JOB, MON, PCT, PERIOD, DOC, QUANT, ART, MISC
Format: IOB-style, token-level annotations

Source

Texts were taken from the UberText 2.0 corpus social media part, filtered and preprocessed for noise reduction and duplication. The dataset includes both entity-rich and entity-free content to improve model generalization.

Example Usage

from datasets import load_dataset

dataset = load_dataset("lang-uk/UberText-NER-Silver", split="train")
print(dataset[0])

Applications

Training large-scale NER models for Ukrainian
Improving performance in low-resource and informal text domains
Cross-lingual or transfer learning experiments

Authors

Vladyslav Radchenko, Nazarii Drushchak

Downloads last month: 45

Size of downloaded dataset files:

429 MB

Size of the auto-converted Parquet files:

429 MB

Number of rows:

47,982,455

Models trained or fine-tuned on lang-uk/UberText-NER-Silver

lang-uk/roberta-large-ner-uk

Token Classification • Updated 1 day ago • 1