ACE05 关系抽取数据集

最新推荐文章于 2024-10-11 16:19:26 发布
最新推荐文章于 2024-10-11 16:19:26 发布
阅读量4.5k 收藏 9
点赞数 2
分类专栏： 自然语言处理 文章标签： ACE数据集
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/L_x_4/article/details/103278996
版权
ACE05数据集是一个用于事件抽取任务的资源，包含中文、英文和阿拉伯文的数据，标注了实体、关系和事件。数据集经过多轮标注和裁决，以XML格式存储在.apf.xml文件中，详细解析了实体的属性、关系类型和事件详情。
摘要由CSDN通过智能技术生成

ACE05 自然语言信息抽取数据集

简介

  • 数据集概述

    提供已经标注好的多种类型实体，关系和事件，目前该数据集主要用于事件抽取任务中

    有中文、英文和阿拉伯文的数据

标注说明

  • 标注过程如下
  1. 先进行1P和DUAL两轮标注，标注的结果分别存储于对应语料的fp1和fp2目录下
  2. 对以上两轮标注的结果进行裁决，将才绝后的标注结果存储于对应语料的adj目录下
  3. 对于English的语料，对adj目录下标注的结果再进行一步处理，将结果存储于timex2norm目录下

对应的标注过程和标注内容如下

    1P: entities        DUAL: entities
        values                values
        events                events
        relations             relations
            |                    |
            |                    |
            |_________?__________|
                      |
                      |
                      |
                      V
                 ADJ: entities
                      values
                      events
                      relations
                      |
                      |
                      |
                      V
                 NORM: TIMEX2 normalization 
                       (English only)

目录架构

  • 目录架构如下

    ─Arabic              # 阿拉伯语语料库
│  ├─bn
│  │  ├─adj
│  │  ├─altAdj
│  │  ├─fp1
│  │  └─fp2
│  ├─nw
│  │  ├─adj
│  │  ├─altAdj
│  │  ├─fp1
│  │  └─fp2
│  └─wl
│      ├─adj
│      ├─fp1
│      └─fp2
├─Chinese             # 中文语料
│  ├─bn
│  │  ├─adj
│  │  ├─fp1
│  │  └─fp2
│  ├─nw
│  │  ├─adj
│  │  ├─fp1
│  │  └─fp2
│  └─wl
│      ├─adj
│      ├─fp1
│      └─fp2
├─dtd               # 数据说明文件  
└─English           # 英文语料
    ├─bc
    │  ├─adj
    │  ├─fp1
    │  ├─fp2
    │  └─timex2norm
    ├─bn
    │  ├─adj
    │  ├─fp1
    │  ├─fp2
    │  └─timex2norm
    ├─cts
    │  ├─adj
    │  ├─fp1
    │  ├─fp2
    │  └─timex2norm
    ├─nw
    │  ├─adj
    │  ├─fp1
    │  ├─fp2
    │  └─timex2norm
    ├─un
    │  ├─adj
    │  ├─fp1
    │  ├─fp2
    │  └─timex2norm
    └─wl
        ├─adj
        ├─fp1
        ├─fp2
        └─timex2norm

文件解读

  • 每份语料由如下所示的5个文件组成

    Source Text (.sgm) Files
	- 这些文件是SGM格式的源文本文件,.sgm文件是UTF-8编码的
 ACE Program Format (APF) (.apf.xml) Files
	- 这些文件采用ACE注释文件格式。
 AG (.ag.xml) Files
    - 这些是使用LDC的注释工具创建的注释文件，这些文件被转换为对应的.apf.xml文件。
 ID table (.tab) Files
    - 这些文件通过使用ag.xml文件和相应的apf.xml文件存储ID们之间的映射表
 AIF (.aif.xml) Files
	- 这些是使用MITRE的Callisto创建的注释文件,仅适用于Valorem产生的阿拉伯数据。
以下以/English/bn/CNN_ENG_20030630_085848.18为例进行具体的解读

  • CNN_ENG_20030630_085848.18.sgm中内容(关于类似<DOC>这些标签的含义可见dtd/ace_source_sgml.v1.0.2.dtd)

    <DOC>
<DOCID> CNN_ENG_20030630_085848.18 </DOCID>#文件名字
<DOCTYPE SOURCE="broadcast news"> NEWS STORY </DOCTYPE>#文件来源
<DATETIME> 2003-06-30 09:23:30 </DATETIME>#时间
<BODY>
<TEXT>
<TURN>#具体内容
a wildfire in california forced hundreds of people from their homes.
the fire, near the historic state park started yesterday when a
trailer, hauled by a pickup, ignited on the golden state freeway. the
fire consumed more than 500 acres is only about 35% contained. no
injuries have been reported thankfully hat this time.
</TURN>
</TEXT>
</BODY>
<ENDTIME> 2003-06-30 09:23:54 </ENDTIME>
</DOC>

  • CNN_ENG_20030630_085848.18.apf.xml

    .apf.xml文件是ACE标注过实体、关系、事件等要素后以XML格式呈现的文本(.apf.xml文件的说明文档是dtd/ace_source_sgml.apf.v5.1.1.dtd)。

    说一下dtd/ace_source_sgml.apf.v5.1.1.dtd应该怎么读

    <!ATTLIST relation           #relation的标签具有以下的几个属性
                             ID       ID                        #REQUIRED 
                             									#这个REQUIRED表示必须的
                             TYPE     (PHYS|PART-WHOLE|PER-SOC|ORG-AFF|
                                       ART|GEN-AFF|METONYMY)    #REQUIRED
                             SUBTYPE  (Located|Near|Geographical| #二级分类
                                       Subsidiary|Artifact|Business|
                                       Family|Lasting-Personal|Employment|
                                       Ownership|Founder|Student-Alum|
                                       Sports-Affiliation|
                                       Investor-Shareholder|
                                       Membership|
                                       User-Owner-Inventor-Manufacturer|
                                       Citizen-Resident-Religion-Ethnicity|
                                       Org-Location)            #IMPLIED
                             MODALITY (Asserted|Other)          #IMPLIED
                             TENSE    (Past|Present|Future|		#时态
                                       Unspecified)             #IMPLIED
>

    relation标签：

    <relation ID="CNN_ENG_20030630_085848.18-R1" TYPE="ART" SUBTYPE="User-Owner-Inventor-Manufacturer" TENSE="Unspecified" MODALITY="Asserted">

  • 回到CNN_ENG_20030630_085848.18.apf.xml其中标记的要素包括

    1. ENTITY

      <entity ID="CNN_ENG_20030630_085848.18-E2" TYPE="PER" SUBTYPE="Group" CLASS
最低0.47元/天 解锁文章
THU-xlj
关注
专栏目录
实体关系抽取——ACE2005数据介绍
bobobe的专栏
08-07 4682
ACE2005数据介绍overallEnglish partrelationchinese partarabic part overall ACE2005数据集包括英语，阿拉伯语和中文三部分数据，可以用来做实体，关系，事件抽取等。 English part English部分包括了broadcast news(bn), broadcast conversations(bc), newswire(...
中文实体关系抽取数据集 Chinese-Literature-NER-RE-Dataset
10-05
基于几个可用的NER和RE数据集定义了7个实体标签和9个关系标签。实体(Entity)：每个实体都由带有多个属性的T标签标识。关系(Relation):每个关系由R标签标识，该标签可以具有多个属性。
信息抽取数据集处理——RAMS
最新发布
weixin_54703767的博客
10-11 1550
RAMS数据集（RAMS：Richly Annotated Multilingual Schema-guided Event Structure）由约翰斯·霍普金斯大学于2020年发布，是一个以新闻为基础的事件抽取数据集。它标注了9,124个事件，涵盖了139种不同的事件类型和65种元素角色类型。这个数据集非常适合用于事件抽取、自然语言处理任务，特别是对事件结构、事件角色的识别和分类。
关系抽取数据集介绍
TEDIST的博客
03-05 1万+
最近由于实验需要，收集整理了关系抽取方向的数据集，主要包括SemEval、Wiki80、NYT10。目前来说全监督的关系抽取任务一般在SemEval上做，远程监督的关系抽取任务一般在NYT10上做。 SemEval 数据集来源 SemEval数据集来自于2010年的国际语义评测大会中Task 8:” Multi-Way Classification of Semantic Relations Be...
ACE2005数据集，官网编号LDC2006T06
2301_78524903的博客
04-12 566
该数据集主要用于评估自动化系统在从文本中提取结构化信息方面的性能，例如实体识别、关系抽取和事件抽取。ACE2005数据集由LDC（Linguistic Data Consortium）发布，它包含了各种类型的文本，如新闻文章、采访、报告等。ACE2005数据集是一个广泛使用的数据集，被用于评估和比较不同的信息抽取系统的性能。2. 关系抽取：标注实体之间的关系，如人物之间的关系、组织机构的所在地等。1. 实体识别：标注文本中的命名实体，如人名、地名、组织机构名等。，回复ACE2005。
ACE2005数据集介绍、预处理及事件抽取
Zhs的博客
03-11 6552
ACE2005数据集的介绍、中英文的预处理以及事件抽取的样例参考
关系抽取数据集
weixin_42241438的博客
04-14 1220
NYT-10 SemEval2010 详见这篇文件：https://zhuanlan.zhihu.com/p/189254722 医疗相关的数据集： I2B2数据集，其中2010年的数据和关系抽取相关 GAD 疾病和基因相关的关系抽取数据集 EU-ADR疾病和基因相关的关系抽取数据集 ！！！之后有时间补一下对各个数据集的介绍吧！ ...
事件抽取任务数据集.rar
07-11
在这个特定的案例中，我们讨论的是一个名为“事件抽取任务数据集”的压缩包，它是由科大讯飞在2020年的一个比赛中提供的。这个数据集专门用于训练和测试事件抽取模型。 数据集通常分为两部分：训练集（train）和...
人工智能-项目实践-预训练-使用基于Transformer的预训练模型在ACE2005数据集上进行事件抽取任务.zip
01-06
使用BERT/OpenAI-GPT2/ALBERT/XLM/Roberta/XLNet/Ctrl/DistilBert/TransfoXL等预训练语言模型在ace2005数据集上进行事件抽取任务。 代码在nlpcl-lab / bert-event-extraction框架上修改，使用transformers包和CRF...
经济方面实体关系数据集
02-27
面向经济金融领域的实体关系数据集，一共分了5种关系，可以进行关系抽取
SemEval2010_任务8_实体关系抽取数据集
03-19
SemEval2010 任务8 实体关系抽取数据集 已经标注的语料
关系抽取 300页综述 信息抽取
09-13
这是2018年CCKS会议上的关系抽取的综述性tutorial，对学习知识图谱意义重大
事件抽取详细入门概述(Event Extraction) & ACE2005数据集
Pinker_Q
03-06 1万+
文章目录事件抽取的定义定义 事件抽取的定义 事件 作为信息的一种表现形式，其定义为特定的人、物在特定时间和特定地点相互作用的客观事实，一般来说是句子级的。 组成元素 组成事件的各元素包括: 触发词、事件类型、论元及论元角色。 事件触发词(event trigger)：表示事件发生的核心词，多为动词或名词； 事件类型：ACE2005 定义了8种事件类型和33种子类型。其中，大多数事件抽取均采...
​达摩院文档级关系抽取新数据集和五元组抽取新任务
Paper weekly
11-30 1151
©PaperWeekly 原创 ·作者 | 邴立东、谭清宇等单位 | Alibaba DAMO, NUS, SUTD关系抽取（RE）是 NLP 的核心任务之一，是构建知识库、事件抽取等下游应用的关键技术。多年来受到研究者的持续关注。本文将介绍达摩院语言实验室多语言 NLP 算法团队的两篇 EMNLP 2022 主会论文。第一篇论文针对文档级关系抽取任务中普遍存在的假负类样本（False Nega...
ACE 2005数据集（介绍1）
技术践行者
04-10 7925
以下内容来自CMU的William Cohen小组（http://curtis.ml.cmu.edu/w/courses/index.php/ACE_2005_Dataset） The ACE 2005datasetaddresses five primary tasks – the recognition of entities, values, temporal expression...
ACE 2005数据集（介绍2）
热门推荐
技术践行者
04-10 1万+
以下内容来自https://catalog.ldc.upenn.edu/LDC2006T06 ACE 2005 Multilingual Training Corpus ACE2005多语言训练语料 Item Name: ACE 2005 Multilingual Training Corpus Author(s): Christopher Walker, Stephanie...
【实体关系抽取】之——CasRel关系抽取（Duie数据集）
m0_62339601的博客
04-06 2715
CasRel关系抽取，小白实训
ACE2005数据集
06-01
ACE2005数据集是指Automatic Content Extraction（ACE）评测任务中使用的数据集。这个评测任务的目的是评估计算机自动化地对文本进行信息抽取的能力。该数据集包含了一系列英文新闻文章，这些文章经过手工标注，标注了实体、关系和事件等信息。ACE2005数据集是在2005年发布的，包含大约500多个文档，其中包括训练集、开发集和测试集。这个数据集广泛用于信息抽取和自然语言处理的研究中，特别是在命名实体识别、关系抽取和事件抽取等方面。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值