PreCo

PreCo 是一个用于共指解析的大型英语数据集。该数据集旨在体现共指中的核心挑战，例如实体表示，通过减轻训练集和测试集之间低重叠的挑战，并实现提及检测和提及聚类的分离分析。为了加强训练-测试的重叠，我们收集了一个包含 38K 文档和 1250 万词的大型语料库，这些词大多来自说英语的学龄前儿童的词汇。实验表明，随着训练-测试重叠度的增加，PreCo 上的错误分析比 OntoNotes（一个流行的现有数据集）上的错误分析更有效。此外，我们对单例提及进行注释，这使得首次量化提及检测器对共指解析性能的影响成为可能。