“COPAD”的版本间的差异
跳到导航
跳到搜索
| 第23行： | 第23行： | ||
== 已标注数据列表（K表示1000） == | == 已标注数据列表（K表示1000） == | ||
| − | * 共10.3+6.7+3.8+3.9+1.6= | + | * 共10.3+6.7+3.8+3.9+1.6+2.8+2=31.1K个句子；16.5+24.5+11.3+17.1+5.9+12.1+6.5=93.9K个谓词 |
* Peking (10.3K句，共16.5K个谓词) | * Peking (10.3K句，共16.5K个谓词) | ||
* CoNLL09 (6.7K句，共24.5K个谓词) | * CoNLL09 (6.7K句，共24.5K个谓词) | ||
| 第29行： | 第29行： | ||
* PC (3.9K句，共17.1K个谓词) | * PC (3.9K句，共17.1K个谓词) | ||
* ZX (1.6K句，共5.9K个谓词) | * ZX (1.6K句，共5.9K个谓词) | ||
| + | * 法研杯 (2.8K句，共12.1K个谓词) | ||
| + | * Medicine (2K句，共6.5K个谓词) | ||
== 数据共享 == | == 数据共享 == | ||
2020年10月10日 (六) 15:28的版本
本页面由刘亚慧和杨浩苹同学维护。
汉语开放谓词论元数据集（Chinese Open Predicate Argument Dataset)
标注人员培训流程
招聘信息（长期、寒暑假兼职）
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（K表示1000）
- 共10.3+6.7+3.8+3.9+1.6+2.8+2=31.1K个句子；16.5+24.5+11.3+17.1+5.9+12.1+6.5=93.9K个谓词
- Peking (10.3K句，共16.5K个谓词)
- CoNLL09 (6.7K句，共24.5K个谓词)
- PB (3.8K句，共11.3K个谓词)
- PC (3.9K句，共17.1K个谓词)
- ZX (1.6K句，共5.9K个谓词)
- 法研杯 (2.8K句，共12.1K个谓词)
- Medicine (2K句，共6.5K个谓词)
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：待定。
论文引用
- 刘亚慧,杨浩苹,李正华,张民. 一种轻量级的汉语语义角色标注规范[J]. 中文信息学报, 2020, 34(4): 10-20. pdf