A corpus of Chinese abbreviation

我们建立了一个由短语和术语组成的数据集。此数据集中有10,786全形式，包括8,015正全形式和2,661负全形式。短语包含名词短语，动词短语，组织名称，位置名称等。分布如表2所示。对于实验，我们随机抽取7,551个样本作为训练集，1078个样本作为开发集，2,157个样本作为测试集。我们计算数据中的单词和字符 (包括重复项) 的数量。