MuCPAD

本页面由刘亚慧和杨浩苹同学维护。

标注人员培训流程

• 人员培训流程

招聘信息（长期、寒暑假兼职）

• 2020年4月招聘
• 2019年6月招聘

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

• 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)
• 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(LAW) (2.8K句，共12.1K个谓词)
• Medicine(MED) (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）

开放数据列表

News是由CoNLL09和Chinese SemBank组成的

	News	PB	PC	ZX	LAW	MED
#Sen	16,974	3,753	3,890	1575	2,813	1,892
#Pred	40,989	11,317	17,074	5,891	11,156	5,624

News	CSB	CoNLL09
#Sen	10,292	24,458
#Pred	24,458	16,531

train/dev/test的分割：

#Pred/#Sent	Source	PB	PC	ZX	LAW	MED
#train	32,790 / 13,022	-	-	-	-	-
#dev	4,098 / 1,875	3,796 / 1,255	5,658 / 1,295	1,784 / 492	3,718 / 778	1,874 / 478
#test	4,101 / 2,077	7,521 / 2,498	11,416 / 2,595	4,107 / 1,083	7,438 / 2,035	3,750 / 1,414

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

• 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