YACLC

“文心” 中文学习者文本多维注释数据集 (又一个中文学习者语料库，YACLC) 是一个大规模的中文学习者文本数据集，提供有偏见的多维注释。我们招募了100多名具有向其他语言使用者、语言学、应用语言学教授汉语等专业背景的研究生组成注释团队，并采用众包策略对注释进行分组。每个句子由10个注释者进行注释，每个注释者需要给出0或1的句子可接受性得分，以及语法纠错和基于流利度的两个维度的注释结果。纠偏评标是从语法层面对错句进行修改，遵循忠实于原意、变化极小的原则，将错句修改成符合汉语语法规范的句子; 流畅评标是将句子修改得更通顺、更地道，符合说话者的母语表达习惯。注释时，如果句子可接受性得分为0，则注释者需要完成至少一个偏差校正注释，并且可以同时进行流利的注释。如果句子可接受性得分为1，则注释者只需要给出流利的注释。该数据集可用于语法纠错、文本校对等自然语言处理任务，也可为汉语第二语言教学与习得、语料库语言学等研究领域提供数据支持。