文档名：面向多领域多来源文本的汉语依存句法树库构建
为了支持汉语句法分析研究,目前句法分析领域已经标注了多个汉语依存句法树库.然而,已有树库主要针对较规范文本,而对各种网络文本如博客、微博、微信等考虑较少.为此,基于近期研制的标注规范及可视化在线标注系统,开展了大规模数据标注.聘请了约15名兼职标注者,并采用严格的标注流程保证标注质量,目前,已经标注了约3万句汉语依存句法树库,其中包含约1万句淘宝头条文本.本文重点介绍了数据选取、标注流程等问题,并详细分析了标注准确率、一致性和标注数据的分布情况.未来将继续对多领域多来源文本进行标注,扩大树库规模,并以合适的方式公开标注数据.
作者：郭丽娟彭雪李正华张民
作者单位：苏州大学计算机科学与技术学院,江苏苏州215006
母体文献：第十七届全国计算语言学学术会议暨第六届基于自然标注大数据的自然语言处理国际学术研讨会(CCL2018)论文集
会议名称：第十七届全国计算语言学学术会议暨第六届基于自然标注大数据的自然语言处理国际学术研讨会(CCL2018)
会议时间：2018年10月19日
会议地点：长沙
主办单位：中国中文信息学会
语种：chi
分类号：
关键词：汉语 依存句法 树库构建 数据选取 标注流程
在线出版日期：2021年9月13日
基金项目：
相似文献
相关博文
- 文件大小:
- 828.37 KB
- 下载次数:
- 60
-
高速下载
|
|
