研读论文报告—《大规模英语动词多词表达式注释语料库的构建》

 

 

论文出处：2018paper of LREC

http://www.lrec-conf.org/proceedings/lrec2018/pdf/394.pdf

 

 

背景：多次表达式的复杂以及出现率非常大。动词表达式的歧义问题以及前人工作较为少。一般都做名词多词表达式。

基于上述背景：此实验主要是构建一个全新的动词多词表达式语料库，非充满技术含量的实验，主要方法是众包技术，人工注释，以及各种语法知识。

数据来源：华尔街日报大量英语文章的主体。开源：https://github.com/naist-cl-parsing/Verbal-MWE-annotations

格式如上图。

1.介绍：从华尔街日报中抽取了大量的VMWES并做好排序和初步筛选工作。

              筛选规则有去掉be动词的以及带有名词的VMWES。

              做好目录分类：介词动词，动词小品词，轻动词短语，动词加名词加介词，半固定结构。

2. 构建注释语料库：众包技术（用来消歧义）（众包技术：简单来说就是技术问题靠大家解决，分配给互联网上自愿完成任务的                                  个人）  详细可以看这里~

                                web注释平台，给专业人士一个平台对VMWES进行注释。对注释员进行非常严格的筛选。     

3.检查：对于出现了重复及包含的问题：  进行合并或者取包含词（不是被包含那个）

4.展望：继续扩大语料库以及挖掘VMWES更多的信息。

我把我的注释PDF放在这里（我的资源）。（不知道为什么现在不能规定积分，默认了下载要五个积分。。）

第一次研读论文，经验不足，以此记录。