CreativeLang/trofi_metaphor|自然语言处理数据集|隐喻识别数据集

TroFi（Trope Finder）数据集是一个无监督的数据集，专门设计用于将动词分类为字面或非字面使用。该数据集由三个主要部分组成：目标集、字面反馈集和非字面反馈集。目标集包含需要分类的动词句子，这些句子从88-89年的《华尔街日报》（WSJ）语料库中提取，并使用特定的标注系统（如Ratnaparkhi的标注器和Bangalore & Joshi的SuperTagger）进行标注。字面反馈集包含来自WSJ语料库的句子，这些句子包含从WordNet中提取的种子词，用于提供字面上下文。非字面反馈集包含来自WSJ的句子，这些句子包含从已知的隐喻、习语和表达数据库（如Wayne Magnuson的英语习语、谚语和俚语以及George Lakoff的概念隐喻列表）中提取的种子词。TroFi数据集采用自动化方法，以减少反馈集中未验证的“字面性”的负面影响，并处理非字面集稀疏的情况。TroFi数据集的主要目标是识别现有数据库可能未完全涵盖的非字面语言实例，从而增强我们确定表达何时被非字面使用的能力。

原始信息汇总

数据集概述

数据集名称

TroFi_Metaphor

数据集描述

TroFi (Trope Finder) 数据集是一个专门设计用于将动词分类为字面意义或非字面意义的无监督数据集。该数据集由三个主要部分组成：

• 目标集：包含待分类动词的句子，提取自88-89 Wall Street Journal (WSJ) Corpus，使用Ratnaparkhi的标记器和Bangalore & Joshi的SuperTagger进行标记。
• 字面反馈集：来自WSJ Corpus的句子，包含从WordNet中提取的种子词，提供字面上下文。
• 非字面反馈集：来自WSJ的句子，包含从已知隐喻、成语和表达数据库中提取的种子词。

数据集特征

• index：整数类型
• label：整数类型
• sentence：字符串类型
• pos：字符串类型
• v_index：整数类型

数据集大小

• 训练集：37370个样本，大小为6970850字节
• 下载大小：4354865字节
• 数据集总大小：6970850字节

许可证

cc-by-2.0

创建时间

2006年

引用信息

@inproceedings{Birke2006ACA, title={A Clustering Approach for Nearly Unsupervised Recognition of Nonliteral Language}, author={Julia Birke and Anoop Sarkar}, booktitle={Conference of the European Chapter of the Association for Computational Linguistics}, year={2006} }