CODT
跳到导航
跳到搜索
本页面目前由彭雪、周明月同学维护。
汉语开放依存句法树库（Chinese Open Dependency Treebank, CODT）
- 读音：[kəʊ'di:ti:] (CO -> [co]operate D T)
- Open的含义：1）开放数据，规范和数据均公开并不断完善，欢迎大家一起按照我们的规范标注数据，或者邀请我们标注你们感兴趣的数据；2）开放领域，覆盖不同领域和来源文本
- 2019年8月从SUCDT改名为CODT
- This treebank construction project aims to continually build a large-scale Chinese dependency treebank that covers up-to-date texts from different domains and sources, and hence promote the wide application of syntactic analysis techniques.
依存句法分析领域移植评测
- 我们正在NLPCC-2019会议上组织评测，发布了约4万句人工标注数据，欢迎大家参与：网址
- CCL-2021句法领域移植评测，发布CODT 2.0 网址
标注人员培训流程
招聘信息（长期、寒暑假兼职）
- 2019年9月招聘
- 旧的：2018年12月招聘
- 旧的：2018年5月招聘
- 旧的：2017年6月招聘信息
培训经验
- 定期招新，形成稳定的高质量标注人员更迭。
- 招新时，全面介绍标注工作内容，说明标注工作的优势，提高标注工作的兼职竞争力。
- 提高入职门槛，聘用经面试了解较为适合标注工作的人员，培训时增加高正确率标注人员分享经验的环节，不断更新培训视频和PPT。
- 公开所有标注人员的标注明细，形成良好的竞争监督机制。
- 精简标注人员，过滤标注时间不够或标注准确率太低超过两次的人员。
- 一起认真维护、完善规范，认真培训，认真审核和投诉，给出审核和投诉意见。
标注规范
已标注数据列表（2019.12；以句子为单位，K表示1000）
- 总共：40+11+10+3+18+9+11+7+10+7=126K
- 规范平衡语料：14+15+11=40K （HIT CTB PMT）
- 商品评论PC：11K
- 产品博客PB：10K
- 网络小说（ZX诛仙）：3K
- 人人对话：7+11=18K
- 财经：9K
- 法律：11K
- 体育：7K
- 医学：10K
- 军事：7K
数据共享
- 大部分数据向学术界免费共享，支持研究使用。少数数据由于项目或合同约束，需要延迟一些时间后向学术界共享。
- 企业界需要有偿购买使用权。
- 数据共享协议下载：PDF下载链接
论文引用
- Xue Peng, Zhenghua Li, Min Zhang, Rui Wang, Yue Zhang, Luo Si. 2019. Overview of the NLPCC 2019 Shared Task: Cross-Domain Dependency Parsing. In Proceedings of NLPCC-2019. pdf
- Zhenghua Li, Xue Peng, Min Zhang, Rui Wang, Luo Si. 2019. Semi-supervised Domain Adaptation for Dependency Parsing. Proceedings of ACL-2019, pp. 2386-2395. Florence, Italy, 28 Jul. - 2 Aug. 2019. pdf
- Xinzhou Jiang, Bo Zhang, Zhenghua Li, Min Zhang, Sheng Li, Luo Si. 2018. Supervised Treebank Conversion: Data and Approaches. Proceedings of ACL-2018, pp. 2706-2716. Melbourne, Australia. 15-20 Jul. 2018 pdf
- 郭丽娟, 彭雪, 李正华, 张民. 2019. 面向多领域多来源文本的汉语依存句法树库构建. 中文信息学报. 2019, 33(2):34-42 pdf
- 郭丽娟, 李正华, 彭雪, 张民. 2018. 适应多领域多来源文本的汉语依存句法数据标注规范. 中文信息学报. 2018, 32(10):28-35-52 pdf