OntoValidate: OntoNotes 5.0 NER validation dataset

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

OntoValidate.zip

12.3 MB, S3 ETag b36d4124434140ce55a71da5c160d041-1, pobrań: 1

Hash pliku liczony jest ze wzoru
hexmd5(md5(part1)+md5(part2)+...)-{parts_count} gdzie pojedyncza część pliku jest wielkości 512 MB

Przykładowy skrypt do wyliczenia:
https://github.com/antespi/s3md5

pobierz

Informacje szczegółowe o pliku

Licencja:: otwiera się w nowej karcie

CC 0

Przekazanie 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:

10.34808/8rd1-f754

Weryfikacja:

Politechnika Gdańska

Słowa kluczowe

Cytuj jako

Autorzy

Szymon Olewniczak mgr inż.
Katedra Architektury Systemów Komputerowych
numer orcid 0000-0002-9387-8546otwiera się w nowej karcie
Twórca

wyświetlono 8 razy

Wyszukiwarka