DFKI-SLT/knowledge_net

KnowledgeNet 是一个用于自动填充知识库（Wikidata）的基准数据集，包含用自然语言文本表达的详尽标注的事实。该数据集支持对知识库填充系统进行端到端的整体评估，而不仅仅是评估单个子组件（如实体链接、关系抽取）。数据集为单语（英语），并提供了多种配置（knet、knet_re、knet_tokenized）以适应不同的使用场景。

KnowledgeNet is a benchmark dataset for automated knowledge base (Wikidata) population, which contains exhaustively annotated facts expressed in natural language text. This dataset enables end-to-end holistic evaluation of knowledge base population systems, rather than merely evaluating individual sub-components such as entity linking and relation extraction. The dataset is monolingual (English) and provides multiple configurations (knet, knet_re, knet_tokenized) to accommodate various usage scenarios.

原始信息汇总

数据集概述

基本信息

• 名称: KnowledgeNet
• 语言: 英语
• 语言创建者: 发现
• 多语言性: 单语
• 规模: 10K<n<100K
• 任务类别: 文本分类
• 任务ID: 多类分类, 实体链接分类

数据集结构

数据实例

• knet:

  • 下载大小: 12.59 MB
  • 生成数据集大小: 10.16 MB
  • 训练集大小: 3977个示例

• knet_re:

  • 下载大小: 12.59 MB
  • 生成数据集大小: 6.1 MB
  • 训练集大小: 10895个示例

• knet_tokenized:

  • 下载大小: 12.59 MB
  • 生成数据集大小: 4.5 MB
  • 训练集大小: 10895个示例

数据字段

• knet:

  • fold: 整数类型
  • documentId: 字符串类型
  • source: 字符串类型
  • documentText: 字符串类型
  • passages: 列表类型，包含多个字典
    • passageId: 字符串类型
    • passageStart: 整数类型
    • passageEnd: 整数类型
    • passageText: 字符串类型
    • exhaustivelyAnnotatedProperties: 列表类型，包含多个字典
      • propertyId: 字符串类型
      • propertyName: 字符串类型
      • propertyDescription: 字符串类型
    • facts: 列表类型，包含多个字典
      • factId: 字符串类型
      • propertyId: 字符串类型
      • humanReadable: 字符串类型
      • annotatedPassage: 字符串类型
      • subjectStart: 整数类型
      • subjectEnd: 整数类型
      • subjectText: 字符串类型
      • subjectUri: 字符串类型
      • objectStart: 整数类型
      • objectEnd: 整数类型
      • objectText: 字符串类型
      • objectUri: 字符串类型

• knet_re:

  • documentId: 字符串类型
  • passageId: 字符串类型
  • passageText: 字符串类型
  • factId: 字符串类型
  • humanReadable: 字符串类型
  • annotatedPassage: 字符串类型
  • subjectStart: 整数类型
  • subjectEnd: 整数类型
  • subjectText: 字符串类型
  • subjectType: 分类标签类型
  • subjectUri: 字符串类型
  • objectStart: 整数类型
  • objectEnd: 整数类型
  • objectText: 字符串类型
  • objectType: 分类标签类型
  • objectUri: 字符串类型
  • relation: 分类标签类型

• knet_tokenized:

  • doc_id: 字符串类型
  • passage_id: 字符串类型
  • fact_id: 字符串类型
  • tokens: 列表类型，包含多个字符串
  • subj_start: 整数类型
  • subj_end: 整数类型
  • subj_type: 分类标签类型
  • subj_uri: 字符串类型
  • obj_start: 整数类型
  • obj_end: 整数类型
  • obj_type: 分类标签类型
  • obj_uri: 字符串类型
  • relation: 分类标签类型