cjvt/sloie

SloIE是一个手动标注的斯洛文尼亚语习惯用语数据集，包含29399个句子，涵盖了75个不同的表达方式，这些表达方式既可以有字面意义，也可以有习惯用语意义。每个词都进行了手动标注，标注内容包括词是否属于习惯用语、字面意义或意义不明确。数据集的结构包括句子、表达方式、词序、句子中的词以及每个词的意义标注。数据集的创建者包括Tadej Škvorc, Polona Gantar, Marko Robnik-Šikonja，并且数据集遵循CC BY-NC-SA 4.0许可。

原始信息汇总

数据集概述

数据集名称

Dataset of Slovene idiomatic expressions SloIE

数据集摘要

SloIE是一个手动标注的斯洛文尼亚语习语表达数据集，包含29399个句子，涉及75种不同的表达方式，这些表达可以具有字面或习语意义。每个标记都有适当的标注。习语表达从斯洛文尼亚词汇数据库中选取，仅包含那些可以同时具有字面和习语意义的表达。句子从Gigafida语料库中提取。

支持的任务

• 习语检测

语言

• 斯洛文尼亚语

数据集结构

数据实例

示例数据实例包含以下字段：

• sentence: 原始句子
• expression: 标注的习语表达
• word_order: 表达中单词的位置编号
• sentence_words: 句子中的单词
• is_idiom: 表示每个单词是否具有习语意义（"DA"）、字面意义（"NE"）或意义不明确（"NEJASEN ZGLED"）。"*"表示该单词不是表达的一部分。

数据集创建者

• Tadej Škvorc
• Polona Gantar
• Marko Robnik-Šikonja

许可证

• CC BY-NC-SA 4.0