SteffRhes/APIS_OEBL__Abbreviations

该数据集包含954个句子，来自164篇文本，涉及19世纪至20世纪初奥匈帝国时期的小型传记。数据来源于奥地利传记词典（ÖBL），并在奥地利人物信息系统（APIS）项目中进行了随机抽取和标注，用于命名实体识别任务。数据集的标注格式类似于CoNLL-U，但增加了EXPAN和PersonName两个字段，用于标记缩写及其扩展形式。数据集未进行训练、开发和评估集的预分割，以适应不同的NLP训练需求。

原始信息汇总

数据集概述

基本信息

• 许可证: MIT
• 任务类别: 词性标注
• 语言: 德语
• 名称: APIS ÖBL Abbreviations

数据描述

• 格式: CoNLL-U(ish)
• 句子数量: 954
• 文本数量: 164
• 内容: 包含缩写及其扩展

数据来源

• 原始数据: 来自奥地利传记词典 (ÖBL)，在奥地利人物信息系统 (APIS) 项目的背景下提取。
• 时间范围: 19世纪至20世纪初
• 生产机构: 奥地利科学院，1957年至2023年
• 语言风格: 浓缩，包含大量领域特定缩写

数据结构

• 标记化: 主要遵循CoNLL-U格式，除了以下添加：
  • EXPAN=: 指示标记是否为缩写
    • EXPAN=O: 标记不是缩写
    • EXPAN=B-<EXTENSION>: 标记是缩写，其扩展为<EXTENSION>
  • PersonName=: 如果缩写是名字，则明确声明
    • PersonName=<YES/NO>: 解决缩写到其扩展不需要通用语言知识，但需要上下文知识，因此应过滤掉用于NLP训练

数据分割

• 无预分割: 未预先分割为训练集、开发集和评估集，因为不同NLP训练设置的需求可能不同。