artemkramov/coreference-dataset-ua

Silver Ukrainian Coreference Dataset是一个针对乌克兰语的银标共指消解数据集。该数据集通过使用词对齐方法自动从英文数据集生成，具体方法由Andrii Kursin实现。数据集包含文档标识、共指集群、句子列表、词列表和说话者信息。数据集分为训练集和验证集，无测试集。

原始信息汇总

Silver Ukrainian Coreference Dataset

数据集概述

数据集总结

本数据集是一个针对乌克兰语的银标共指消解数据集，通过使用词对齐方法自动生成。该方法由Andrii Kursin实现，数据源自以下英语数据集：https://github.com/d5555/Coreference-dataset。

语言

• 乌克兰语

数据集结构

数据字段

每个样本包含以下字段：

• doc_key：文档标识符。
• clusters：共指簇列表，每个簇包含提及列表，每个提及由两个索引表示：第一个索引表示提及的第一个词，第二个索引表示提及的最后一个词。
• sentences：句子列表，每个句子由词列表表示。
• tokens：词列表。
• speakers：发言人列表，目前填充为虚拟输入。

数据分割

数据集分为两部分：

• 训练集；
• 验证集。

由于数据集是自动生成的，因此没有测试集。

数据集创建

源数据

数据集源自以下数据集：https://github.com/d5555/Coreference-dataset。

贡献者

样本翻译及对齐代码由Andrii Kursin创建，数据集由Artem Kramov生成。