Opis
OntoValidate dataset consists of 603 randomly chosen raw texts
from the original OntoNote 5.0 dataset (3637 raw texts in total).
All raw texts are split into 13 subsets. Each subset was manually
annotated with named entities by at least 10 people. Each annotator followed
the official annotation guidelines (OntoNotes Named Entity Guidelines VERSION 14.0)
that are distributed together with the OntoNotes 5.0 dataset.
The OntoValidate dataset allows for a comparison of how different people
understand the named entity recognition task. On the other hand, it also gave us
some insights about the precision of annotation guidelines itself.
Format
Each directory of the OntoValidate dataset represents a separate annotator.
The first number in the directory name is the sequence number of the subset, the second is
the sequence number of the annotator. Each directory contains the JSON files that contain
the annotations in spaCy JSON format.
All annotations were created using the NER Text Annotator tool (https://tecoholic.github.io/ner-annotator/).
Plik z danymi badawczymi
hexmd5(md5(part1)+md5(part2)+...)-{parts_count}
gdzie pojedyncza część pliku jest wielkości 512 MBPrzykładowy skrypt do wyliczenia:
https://github.com/antespi/s3md5
Informacje szczegółowe o pliku
- Licencja:
-
otwiera się w nowej karcie
CC 0Przekazanie do Domeny Publicznej
Informacje szczegółowe
- Rok publikacji:
- 2024
- Data zatwierdzenia:
- 2024-08-29
- Język danych badawczych:
- angielski
- Dyscypliny:
-
- informatyka techniczna i telekomunikacja (Dziedzina nauk inżynieryjno-technicznych)
- DOI:
- Identyfikator DOI 10.34808/8rd1-f754 otwiera się w nowej karcie
- Weryfikacja:
- Politechnika Gdańska
Słowa kluczowe
Cytuj jako
Autorzy
wyświetlono 8 razy