SEACrowd/id_coreference_resolution

该数据集是一个印尼语共指消解数据集，不仅解决了代词指向专有名词的问题，还包括专有名词指向专有名词和代词指向代词的情况。与现有的印尼语共指消解数据集相比，该数据集在问题范围和特征上有所不同。实验使用了多种特征（词汇和浅层句法特征），如同位语特征、最近候选特征、直接句子特征、前后词特征以及第一人称词汇特征。此外，还通过交叉配对出现在先行词和回指词之间的每个可标记项来选择负例，构建训练集。使用C45算法进行实验，基于200个新闻句子，最佳实验的F-Measure得分为71.6%。

原始信息汇总

数据集概述

语言

• 印度尼西亚语 (ind)

任务类别

• 指代消解 (coreference-resolution)

数据集描述

• 该数据集用于解决印度尼西亚语中的指代消解问题，不仅包括代词指向专有名词，还包括专有名词指向专有名词和代词指向代词。
• 与现有的印度尼西亚语指代消解数据集相比，该数据集在问题范围和特征上有所不同。
• 实验使用了多种特征（词汇和浅层句法特征），如同位语特征、最近候选特征、直接句子特征、前后词特征以及第一人称词汇特征。
• 通过交叉配对出现在先行词和代词之间的每个可标记项来选择负例，改进了训练集构建方法。
• 使用C45算法进行实验，基于200条新闻句子，最佳实验达到了71.6%的F-Measure分数。

支持的任务

• 指代消解 (Coreference Resolution)

数据集使用

使用 datasets 库

python from datasets import load_dataset dset = datasets.load_dataset("SEACrowd/id_coreference_resolution", trust_remote_code=True)

使用 seacrowd 库

python import seacrowd as sc

使用默认配置加载数据集

dset = sc.load_dataset("id_coreference_resolution", schema="seacrowd")

查看数据集的所有可用子集（配置名称）

print(sc.available_config_names("id_coreference_resolution"))

使用特定配置加载数据集

dset = sc.load_dataset_by_config_name(config_name="<config_name>")

数据集主页

• 数据集主页

数据集版本

• 源版本: 1.0.0
• SEACrowd版本: 2024.06.20

数据集许可

• Creative Commons Attribution-ShareAlike 4.0

引用

• 如果使用该数据集，请引用以下内容： bibtex @INPROCEEDINGS{8074648, author={Suherik, Gilang Julian and Purwarianti, Ayu}, booktitle={2017 5th International Conference on Information and Communication Technology (ICoIC7)}, title={Experiments on coreference resolution for Indonesian language with lexical and shallow syntactic features}, year={2017}, volume={}, number={}, pages={1-5}, doi={10.1109/ICoICT.2017.8074648}}

@article{lovenia2024seacrowd, title={SEACrowd: A Multilingual Multimodal Data Hub and Benchmark Suite for Southeast Asian Languages}, author={Holy Lovenia and Rahmad Mahendra and Salsabil Maulana Akbar and Lester James V. Miranda and Jennifer Santoso and Elyanah Aco and Akhdan Fadhilah and Jonibek Mansurov and Joseph Marvin Imperial and Onno P. Kampman and Joel Ruben Antony Moniz and Muhammad Ravi Shulthan Habibi and Frederikus Hudi and Railey Montalan and Ryan Ignatius and Joanito Agili Lopo and William Nixon and Börje F. Karlsson and James Jaya and Ryandito Diandaru and Yuze Gao and Patrick Amadeus and Bin Wang and Jan Christian Blaise Cruz and Chenxi Whitehouse and Ivan Halim Parmonangan and Maria Khelli and Wenyu Zhang and Lucky Susanto and Reynard Adha Ryanda and Sonny Lazuardi Hermawan and Dan John Velasco and Muhammad Dehan Al Kautsar and Willy Fitra Hendria and Yasmin Moslem and Noah Flynn and Muhammad Farid Adilazuarda and Haochen Li and Johanes Lee and R. Damanhuri and Shuo Sun and Muhammad Reza Qorib and Amirbek Djanibekov and Wei Qi Leong and Quyet V. Do and Niklas Muennighoff and Tanrada Pansuwan and Ilham Firdausi Putra and Yan Xu and Ngee Chia Tai and Ayu Purwarianti and Sebastian Ruder and William Tjhi and Peerat Limkonchotiwat and Alham Fikri Aji and Sedrick Keh and Genta Indra Winata and Ruochen Zhang and Fajri Koto and Zheng-Xin Yong and Samuel Cahyawijaya}, year={2024}, eprint={2406.10118}, journal={arXiv preprint arXiv: 2406.10118} }