“COPAD”的版本间的差异
跳到导航
跳到搜索
| （未显示2个用户的8个中间版本） | |||
| 第1行： | 第1行： | ||
本页面由刘亚慧和杨浩苹同学维护。 | 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) == --> | ||
== 汉语开放谓词论元数据集（Chinese Open Predicate Argument Dataset) == | == 汉语开放谓词论元数据集（Chinese Open Predicate Argument Dataset) == | ||
| 第22行： | 第23行： | ||
* [[:File:COPAD语义标注规范.pdf| 语义标注规范（请看最新版）]] | * [[:File:COPAD语义标注规范.pdf| 语义标注规范（请看最新版）]] | ||
| − | == | + | == 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+1.8+1.8=34.7K个句子；16.5+24.5+11.3+17.1+5.9+12.1+6.5+4.1+5.2=103.2K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) | ||
| − | * PB ( | + | * PB (3.8K句，共11.3K个谓词) |
| − | * PC (3. | + | * PC (3.9K句，共17.1K个谓词) |
| − | * ZX (1. | + | * 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) | ||
| + | * Sports(1.8K句，共4.1K个谓词） | ||
| + | * Finance(1.8K句，共5.2K个谓词） | ||
== 数据共享 == | == 数据共享 == | ||
| 第38行： | 第44行： | ||
* 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.[[:File:一种轻量级的汉语语义角色标注规范.pdf | pdf]] | * 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.[[:File:一种轻量级的汉语语义角色标注规范.pdf | pdf]] | ||
| + | * Yahui Liu, Haoping Yang, Chen Gong*, Qingrong Xia, Zhenghua Li, Min Zhang. 2022. MuCPAD: A Multi-Domain Chinese Predicate-Argument Dataset. In '''NAACL''', pages 1707-1717. [http://arxiv.org/abs/2205.06703 arxiv][https://aclanthology.org/2022.naacl-main.123.pdf official pdf] | ||
2023年8月23日 (三) 05:28的最新版本
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+1.8+1.8=34.7K个句子；16.5+24.5+11.3+17.1+5.9+12.1+6.5+4.1+5.2=103.2K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)
- Sports(1.8K句，共4.1K个谓词）
- Finance(1.8K句，共5.2K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
- Yahui Liu, Haoping Yang, Chen Gong*, Qingrong Xia, Zhenghua Li, Min Zhang. 2022. MuCPAD: A Multi-Domain Chinese Predicate-Argument Dataset. In NAACL, pages 1707-1717. arxivofficial pdf