191

纽约时报带标注信息语料库

nyt-salience

纽约时报

带注释的《纽约时报》语料库对实体显着性进行建模的资源

免积分下载
数据集市
2020年05月19日
39.5MB

相关数据

新浪微博用户关系数据
新浪微博用户关系数据
数据集中包括用户320个,用户间关系526条 免积分下载
中文文本分类数据集THUCNews
中文文本分类数据集THUCNews
THUCNews是根据新浪新闻RSS订阅频道2005~201... 免积分下载
2012年综合选举推文
2012年综合选举推文
该数据集标识了收集到的3800万条推文,用于分析与2012年... 免积分下载

数据介绍

此版本中包含的数据与Jesse Dunietz和Dan Gillick撰写的名为“具有数百万个训练示例的新实体显性任务”(EACL 2014)一起发布。

训练数据包括2003-2006年的100,834个文档,以及19,261,118个带标注信息的实体。测试数据包括2007年以来的9,706个文档以及187,080个带标注的实体。

空白行分隔每个文档标注信息。文档注释的第一行包含NYT文档ID,后跟标题。随后的每一行都引用一个实体,并带有以下制表符分隔的字段:

实体索引自动推断显着性{0,1}提及计数(来自我们的共同参照系统)提及首次提及的MID的首次提及字节偏移起始位置的首次提及文本的字节偏移起始位置(来自我们的实体解析系统)

还没有任何文件记录.