HULAT/EASIER_CORPUS

EASIER_CORPUS是一个用于词汇简化的数据集，主要包含复杂词检测和同义词建议两个任务。数据集中的每一行代表一个句子，包含一个复杂词的注释和相关信息，各字段之间用TAB字符分隔。CWI数据集的列包括文档ID、句子ID、句子、目标词的偏移量、目标词以及二元任务的黄金标准标签。SG/SS数据集的列包括文档ID、目标词ID、目标词、句子以及目标词的建议同义词。数据集还进行了标注者之间的一致性评估，使用了Cohens Kappa和Fleiss Kappa两种统计方法。数据集的使用需要引用相关论文，并遵循CC BY-NC-ND 4.0许可协议。

原始信息汇总

EASIER_CORPUS

数据集概述

• 名称: EASIER_CORPUS
• 语言: 西班牙语
• 许可证: CC BY-NC-ND 4.0

数据集内容

• 任务:
  • 复杂词汇检测: 8155条
  • 建议同义词: 7892条

数据格式

• 复杂词汇检测数据集:

  • 第一列: 文档ID
  • 第二列: 句子ID
  • 第三列: 句子
  • 第四列和第五列: 目标词的偏移量
  • 第六列: 目标词
  • 第七列: 二分类任务的金标准标签

• 同义词建议数据集:

  • 第一列: 文档ID
  • 第二列: 目标词ID
  • 第三列: 目标词
  • 第四列: 句子
  • 第五列: 目标词的建议同义词，以逗号分隔

标注一致性

• Cohens Kappa:

  标注者	得分
  (1) (2)	0.6094
  (1) (3)	0.6422
  (2) (3)	0.6739

• Fleiss Kappa:

  标注者	得分
  (1) (2) (3)	0.641

引用信息

• 参考文献: Alarcon R, Moreno L, Martínez P (2023) EASIER corpus: A lexical simplification resource for people with cognitive impairments. PLOS ONE 18(4): e0283622. https://doi.org/10.1371/journal.pone.0283622