varox34/demo

UD_Spanish-AnCora数据集是从AnCora语料库的注释投影到Universal Dependencies树库中生成的，主要用于西班牙语的词性标注任务。数据集包含三个conllu文件，每个文件包含单词行、空白行和注释行。单词行包含10个字段，如ID、FORM、LEMMA等。数据集的语言为西班牙语（es-ES），并且没有包含个人或敏感信息。数据集的创建过程涉及将AnCora项目的注释转换为依赖关系，并由Universal Dependencies团队进行进一步处理。数据集的使用有助于西班牙语语言模型的发展。

原始信息汇总

UD_Spanish-AnCora 数据集概述

数据集描述

数据集摘要

该数据集包含来自 AnCora 语料库 的注释，这些注释被投影到 Universal Dependencies 树库 上。我们使用该语料库的词性标注（POS）注释作为 EvalEs 西班牙语语言基准的一部分。

支持的任务和排行榜

• 词性标注（POS tagging）

语言

• 该数据集为西班牙语（es-ES）。

数据集结构

数据实例

数据集包含三个 conllu 文件。注释以纯文本文件（UTF-8 编码，NFC 归一化，仅使用 LF 字符作为换行符，文件末尾包含 LF 字符）形式编码，包含三种类型的行：

1. 单词行，包含一个单词/标记的 10 个字段，由单个制表符分隔。
2. 空白行，标记句子边界。
3. 注释行，以井号（#）开头。

数据字段

单词行包含以下字段：

1. ID：单词索引，每个新句子从 1 开始；可能是多词标记的范围；可能是空节点的十进制数（十进制数可以小于 1，但必须大于 0）。
2. FORM：单词形式或标点符号。
3. LEMMA：词形或词干。
4. UPOS：通用词性标签。
5. XPOS：特定语言的词性标签；如果不可用则为下划线。
6. FEATS：来自通用特征库存或定义的语言特定扩展的形态特征列表；如果不可用则为下划线。
7. HEAD：当前单词的头，可以是 ID 值或零（0）。
8. DEPREL：与 HEAD 的通用依赖关系（如果 HEAD = 0 则为根）或定义的语言特定子类型之一。
9. DEPS：增强依赖图，以头-依赖关系对列表的形式。
10. MISC：任何其他注释。

数据分割

• es_ancora-ud-train.conllu
• es_ancora-ud-dev.conllu
• es_ancora-ud-test.conllu

数据集创建

源数据

原始注释在成分框架中完成，作为巴塞罗那大学 AnCora 项目 的一部分。它被 Universal Dependencies 团队 转换为依赖关系，并用于 CoNLL 2009 共享任务。CoNLL 2009 版本后来被转换为 HamleDT 和 Universal Dependencies。

注释

注释过程

有关 AnCora 注释的更多信息，请访问 AnCora 网站。

注释者

有关 AnCora 注释团队的更多信息，请访问 AnCora 网站。

个人和敏感信息

数据集中不包含个人或敏感信息。

使用数据的注意事项

数据集的社会影响

该数据集有助于西班牙语语言模型的发展。

附加信息

许可信息

该工作根据 <a rel="license" href="https://creativecommons.org/licenses/by/4.0/">CC Attribution 4.0 International License</a> 进行许可。

引用信息

使用该语料库时，必须引用以下论文：

• Taulé, M., M.A. Martí, M. Recasens (2008) Ancora: Multilevel Annotated Corpora for Catalan and Spanish, Proceedings of 6th International Conference on Language Resources and Evaluation. Marrakesh (Morocco).

引用 Universal Dependencies 项目时，请引用：

• Rueter, J. (Creator), Erina, O. (Contributor), Klementeva, J. (Contributor), Ryabov, I. (Contributor), Tyers, F. M. (Contributor), Zeman, D. (Contributor), Nivre, J. (Creator) (15 Nov 2020). Universal Dependencies version 2.7 Erzya JR. Universal Dependencies Consortium.