SUCDT-data-annotation-detailed

局部标注数据：

• 阿里商品评论数据：10,794句

 *放入数据库数据：共10,904句。2000句 5-15词50%+1万句5-25词20%---》通过和所有已标数据句子相似度阈值0.7比较后剩下1,0824句
 *处理后纯数据：10,794句

• 北大树库数据：10,785句

 *放入数据库数据：共10,904句。2000句 5-15词50%+1万句5-25词20%---》通过和所有已标数据句子相似度阈值0.7比较后剩下10,904句
 *处理后纯数据：10,785句

• novel_zx数据：3,249句

 *放入数据库数据：共3,385句。5-25词1000句50%，但弧最多7条+5-40词2385句20%标注---》通过和所有已标数据句子相似度阈值1比较后剩下3,385句
 *处理后纯数据：3,249句

• dialogue数据：6,904句

*放入数据库数据：共7,130句。所有句子长度4-25词，500句50%+1000句30%+41614句20%---》通过和所有已标数据句子相似度阈值0.5比较后剩下7,130句
*处理后纯数据：6,904句

• pctb7数据：11,621句

*放入数据库数据：共11674句。所有句子长度5-25词，3000句50%+4500句30%+6500句20%---》通过和所有已标数据句子相似度阈值0.6比较后剩下11,674句
*处理后纯数据：11,621句

• 哈工大数据：？？句

1.局部标注数据
 *放入数据库数据：（1）3000句10-20词50%的标注（2）5,840句5-25词20%的标注
 *处理后纯数据：

• 阿里内容搜数据：9,043

全标注数据： 1.哈工大数据cdt：（1）放入数据库2000句5-10词数，纯净数据？？（2）放入数据库600句5-40词数，纯净数据600句 2.阿里商品评论数据content:放入数据库1200句5-40词数，纯净数据1121句 3.UD_treebank:放入数据库451句不限制词数，纯净数据451句 4.pctb7数据：放入数据库600句5-40词数，纯净数据599句 5.闲鱼xianyu数据：放入数据库625句不限制词数，纯净数据615句