Apr, 2024

KoCoNovel：韩国小说中的人物指代注释数据集

PDF
TL;DR《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。
koconovelcharacter coreferencekorean literary textscoreference resolutionkorean cultural and linguistic dynamics
发现论文，激发创造
  • 英文文学代词消解的已注释数据集

    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。

    Dec, 2019

  • 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

  • KoCHET：针对实体任务的韩国文化遗产语料库

    提出 KoCHET，一个为韩国文化遗产命名实体识别、关系提取和实体类型识别中提供实用认可的韩国文化遗产语料库，涵盖了所有与韩国文化遗产相关的实体类型，可供国内外研究者使用，并提供了实践洞见和统计语言分析，自由获取。

    Sep, 2022

  • 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

  • 中文小说多种类型命名实体识别语料库

    基于最大规模的多文类文学命名实体识别语料库，研究文学作品中不同类型实体的特征，并提出了几种基线命名实体识别模型，并进行了跨文类和跨域实验，结果表明文类差异显著影响 NER 性能，尽管不如文体领域与新闻领域之间的领域差异大，文学 NER 仍需要改进且由于文学作品中实体的高多样性，Out-of-Vocabulary（OOV）问题更具挑战性。

    Nov, 2023

  • KorNLI 和 KorSTS：韩语自然语言理解的新基准数据集

    为了加速韩文自然语言理解的研究，我们构建并发布了韩文 NLI 和 STS 数据集，分别称为 KorNLI 和 KorSTS，该数据集是通过机器翻译现有的英语训练集和手动翻译开发和测试集来构建的，并在其上建立了基线模型。

    Apr, 2020

  • RuCoCo：一个新的俄语语料库，带有指代标注

    我们提出了一个带有指代消解注释的新语料库，俄语指代消解语料库 (RuCoCo)。RuCoCo 旨在在保持高注释者一致性的同时获取大量标注的文本。我们的语料库包含了俄语的新闻文本，其中部分是从头开始注释的，而其余部分则是由机器生成的注释被人工注释精细化的。我们的语料库包含了一百万个单词和约 15 万个提及，现已公开发布。

    Jun, 2022

  • 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

  • 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

  • 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