Dec, 2019

英文文学代词消解的已注释数据集

PDF
TL;DR本文提出了一个新的数据集，其中包含 100 部英文小说的 29,103 个指代注释，涵盖了 210,532 个标记。这个数据集对比以前的数据集不同的地方在于包含了平均长度为 2,105.3 个单词的文档，是其他基准数据集的四倍长（OntoNotes 为 463.7），并且包含了文学中常见的难度指代问题的示例。这个数据集可以评估指代消解任务的跨领域性能，并分析长距离文档内指代的特征。
coreference annotationsliteraturecross-domain performancelong-distance within-document coreferencedataset
发现论文，激发创造
  • 泰语指代消解数据集：Thai Coref

    利用建立在 OntoNotes 基准之上进行了调整的 ThaiCoref 数据集，通过训练多语言编码器和跨语言转移技术，该研究在测试集上取得了 67.88% 的最佳 F1 得分，揭示了泰语独特的语言特征所带来的挑战。

    Jun, 2024

  • Longtonotes: 更长的 OntoNotes 指代链

    本研究建立了一个新的语料库 LongtoNotes，其中包含了英语文本中多种类型，长度不同的文档，并在其中评估了最新的神经共指系统，分析了模型结构 / 超参数与文档长度对性能和效率的影响，还提出了长文档共指建模中的改进问题。

    Oct, 2022

  • KoCoNovel：韩国小说中的人物指代注释数据集

    《KoCoNovel》是一项基于韩国文学文本的创新性人物共参考数据集，从 50 部现代和当代韩国小说中提取的 178K 令牌构成，是继 NIKL 语料库之后韩国第二大公开的人物共参考解析语料库，并且是首个基于文学文本的语料库。该数据集提供四个不同版本的 KoCoNovel，为包括全知作者和读者视角以及单独或重叠处理多个实体的选项提供了选择。实验证明，使用 KoCoNovel 与 NIKL 语料库相比，基于 BERT 的人物共参考模型表现出明显的性能提升，这一发现凸显了 KoCoNovel 通过整合韩国文化和语言动态的潜力，可以显著增强人物共参考解析模型。

    Apr, 2024

  • Quoref：一个需要共指推理的阅读理解数据集

    提供一个新的众包数据集，用于多句理解文本，涉及复杂的指代消解，旨在评估阅读模型解决指代消解的能力，与现有的基准模型相比，该模型表现显著更好。

    Aug, 2019

  • 聚合众包和自动判断来扩充小说和维基百科文本的先行参照语料库

    通过玩游戏来标注语料库是一种有效的方法，本文提出了一种用于指代和共识关系的语料库，相对于先前发布的语料库，它具有更广泛的领域、更多的标记、更长的文档和更高的标注速度。

    Oct, 2022

  • PreCo：面向代词消解的学前词汇大规模数据集

    介绍了一个大规模的英语数据集 PreCo，它设计用于解决指代消解中的核心挑战，强调实体表示、训练与测试集的重叠性和提高指代关系性能。

    Oct, 2018

  • BenCoref：一个多领域物词短语和代词指代注释数据集

    本文介绍了一个新的，包含孟加拉语文本核指标注的数据集 BenCoref，并对使用 BenCoref 训练的多种模型进行了评估。该文指出文本领域的变化对孟加拉语核指现象产生了影响，并强调了更多特定语言资源的需要。

    Apr, 2023

  • 新闻文章中多样化文档内实体共指注释的编码手册

    该研究论文提出了一种通过考虑近似一致性和桥接关系来扩展传统身份关系范围的新闻文章共指注释方案，并详细描述了如何使用相应的注释工具 Inception 来设置，如何注释新闻文章中的实体，如何将它们与不同的共指关系联系起来，并链接到 Wikidata 的全球知识图谱。本文讨论了这种多层次的注释方法在媒体偏见问题中的应用，并提供了一种创建多样性跨文档共指语料库的方法，该方法可以用于通过词选择和标注来分析媒体偏见。

    Oct, 2023

  • 从 OntoNotes 开始迁移的共指消解模型

    本文探讨基于单个数据集训练的核心参考消解（Coreference resolution，COREF）学术神经模型的可迁移性，通过评估在多个包含不同注释指南和领域的数据集上的表现来建立新的性能基准。

    Apr, 2021

  • 对话小说语料库》：文学文本引语归属的数据集

    我们介绍了 Project Dialogism Novel Corpus (PDNC)，这是一个包含有英语文学文本引用的注释数据集。PDNC 包含对 22 部小说中的 35,978 个引用的注释，并且是同类数据集中数量级最大的。每个引用都有说话者、被引用者、引用类型、参考表达和引用文本中涉及的角色的注释属性。这些注释属性允许对文学文本中的引用属性和共指模型进行全面评估。

    Apr, 2022