OPIEC

OPIEC是一个从英文维基百科全文中提取的大型开放信息抽取语料库，由德国曼海姆大学创建。该数据集包含超过3.4亿个三元组，是迄今为止公开可用的最大的OIE语料库。OPIEC不仅数据量大，还包含丰富的元数据信息，如来源信息、置信度评分、语言标注和语义标注，包括空间和时间信息。这些数据对于下游任务如知识库构建、开放式问答或事件模式归纳非常有价值。OPIEC的创建过程涉及使用Stanford CoreNLP管道和先进的OIE系统MinIE进行文本处理。数据集的应用领域广泛，主要用于自动化知识库构建的研究，旨在解决从自然语言文本中无监督地提取关系及其论据的问题。

搜集汇总

背景与挑战

背景概述

OPIEC是一个基于整个英文维基百科构建的开放信息抽取（OIE）语料库，包含超过3.41亿个三元组，每个三元组都带有丰富的元数据，如NLP注释、来源句子和链接信息。该数据集旨在支持知识库构建和NLP研究，提供多个版本（如OPIEC-Clean和OPIEC-Link）以适应不同需求，并采用开放许可证（CC-BY-SA和GNU自由文档许可证）促进学术使用。