davmel/ka_homonym_disambiguation

该数据集包含用于格鲁吉亚语同音异义词消歧任务的所有数据。目前，数据集仅考虑了同音词ბარი及其不同的语法形式，共包含7522个句子。数据集中的dataset.parquet文件包括使用ბარი作为铲子、低地、咖啡馆的句子，以及在其他上下文中使用该词的句子，分别标记为0、1、2和3。此外，full-homonym-sentences-ბარ.txt文件包含约28000个未标记的句子，这些句子包含ბარი及其各种语法形式，且每个句子的长度限制在13个词以内，同音词位于句子中间。

原始信息汇总

格鲁吉亚同音词消歧数据集

数据集概述

该数据集用于格鲁吉亚语同音词消歧任务，专注于同音词 "ბარი" 及其不同语法形式，共包含 7522 个句子。

数据集内容

• dataset.parquet 文件包含以下内容：

  • 763 个句子中 "ბარი" 作为 "铲子"，标记为 0
  • 1846 个句子中 "ბარი" 作为 "低地"，标记为 1
  • 3320 个句子中 "ბარი" 作为 "咖啡馆"，标记为 2
  • 1593 个句子中 "ბარი" 在不同语境中使用，标记为 3（尽管这些句子可以根据同音词的定义进一步分类，但在此项目中忽略了其他用法）

• full-homonym-sentences-ბარ.txt 文件包含包含同音词 "ბარი" 及其各种语法形式的句子，这些句子长度限制在最多 13 个词，同音词位于句子中间，数量约为 28000 个，未标记。

数据集字段

• homonym_index 列包含句子中同音词的索引，即同音词在句子中的位置。