CreativeLang/trofi_metaphor

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。

TroFi (Trope Finder) dataset is an unsupervised dataset specifically designed for classifying verbs into their literal or non-literal uses. The dataset consists of three core components: a target set, a literal feedback set, and a non-literal feedback set. The target set contains verb sentences requiring classification, which are extracted from the 1988-1989 Wall Street Journal (WSJ) corpus and annotated using specific annotation systems such as Ratnaparkhi’s tagger and Bangalore & Joshi’s SuperTagger. The literal feedback set comprises sentences from the WSJ corpus that include seed words extracted from WordNet to provide literal context. The non-literal feedback set contains sentences from the WSJ corpus that include seed words extracted from databases of known metaphors, idioms and expressions, such as Wayne Magnuson’s English Idioms, Proverbs and Slang, and George Lakoff’s list of conceptual metaphors. The TroFi dataset adopts automated methods to mitigate the negative impact of unverified "literalness" in the feedback sets and address the sparsity issue of the non-literal set. The primary goal of the TroFi dataset is to identify instances of non-literal language that may not be fully covered by existing databases, thereby enhancing our ability to determine when an expression is used non-literally.

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} }

搜集汇总

背景与挑战

背景概述

TroFi_Metaphor数据集是一个用于动词字面与非字面分类的无监督数据集，包含来自《华尔街日报》语料库的句子，旨在识别和分类非字面语言的使用。数据集大小为37k，创建于2006年，适用于隐喻检测任务。