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。

SloIE is a manually annotated Slovenian idiomatic expression dataset containing 29,399 sentences. It covers 75 distinct expressions, each of which can carry both literal and idiomatic meanings. Every word in the sentences has been manually annotated, with the annotations specifying whether the word is part of an idiomatic expression, carries a literal meaning, or has an ambiguous meaning. The dataset structure includes sentences, expressions, word order, words within the sentence, and meaning annotations for each individual word. The dataset was developed by Tadej Škvorc, Polona Gantar, and Marko Robnik-Šikonja, and is licensed under CC BY-NC-SA 4.0.

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