NTCIR-1（情報検索／用語抽出研究用テストコレクション）

registration: 2009/02/16 05:09:33, last modified: 2009/02/17 04:34:07
title
  • NTCIR-1（情報検索／用語抽出研究用テストコレクション）
title.abbreviation
title.alternative
  • 情報検索システム評価用テストコレクション１(NTCIR-1)
  • NACSIS Test Collection for Information Retrieval Systems 1 (NTCIR-1)
creator
  • developer 国立情報学研究所 NTCIRプロジェクト (http://research.nii.ac.jp/ntcir/index-ja.html)
subject
  • 情報検索システム評価用テストコレクション
subject.linguisticField
  • computational_linguistics
  • text_and_corpus_linguistics
  • discourse_analysis
subject.monoMultilingual
  • multilingual
subject.resourceSubject
  • corpus
description
  • NTCIRプロジェクトのサブタスクである情報検索・用語抽出タスクで使用されたテストコレクションを収録。NTCIRは、情報検索とテキスト要約・情報抽出などのテキスト処理技術の研究の更なる発展を図るワークショップ型共同研究。本コレクションには文書データ33万件（半数以上は日英対訳）、検索課題83件(日本語）、正解判定が含まれる。日本語検索、日->英の言語横断検索、日->日本語＋英語の検索の実験に使用可能。また、用語抽出研究用コレクションとして、情報検索用テストコレクションから抽出した日本語文書データ2000件に言語タグを付加したものを含む。
description.price *This metadata is only as a guide
  • 研究目的使用にかぎり無料（文書データを含むコレクション全体）
description.language
  • Japanese 日本語
  • English 英語
description.inputDevice
description.inputEnvironment
description.speakingStyle
description.speechMode
description.samplingRate
description.additionalData
publisher
contributor
  • sponsor 日本学術学術振興会未来開拓研究事業
  • sponsor 学術情報センター
contributor.attribute.author.motherTongue
  • native 研究者(文書データ)
  • non_native 研究者(文書データ)
contributor.attribute.author.dialect
  • standard_dialect
contributor.attribute.author.level
  • amateur
contributor.attribute.author.age
  • adult
contributor.attribute.author.gender
  • male
  • female
contributor.attribute.speaker.motherTongue
contributor.attribute.speaker.dialect
contributor.attribute.speaker.level
contributor.attribute.speaker.age
contributor.attribute.speaker.gender
contributor.attribute.speaker.number
date.created
  • 1998-11-00 1999-00-00
date.issued
  • 1999-00-00
date.modified
type
  • Text
type.discourseType
  • report
type.linguisticType
  • primary_text
type.purpose
  • developing_technologies 情報検索システムの検索性能評価の基盤を強化し研究を促進するための情報検索システム評価用の大規模な日本語テストコレクションの構築
type.style
  • written 学術論文
type.form
  • unfixed
type.sentence
  • short
  • long
type.annotation
  • annotated
type.annotationSample
type.sample
  • 文書データサンプル(beginning part is omitted):

    <TITL TYPE="kanji"><TITL.ORIG>機械翻訳における構造変換の干渉について</TITL.ORIG></TITL>
    <TITE TYPE="alpha">Interaction between Structural Changes in Machine Translation</TITE>
    <AUTH TYPE="kanji">木下 聡 / 辻井 潤一</AUPK>
    <AUTE TYPE="alpha">Kinoshita,Satoshi / John,Phillips / Tsujii,Jun-ichi</AUPE>
    <CONF TYPE="kanji"><CONF.ORIG>研究発表会(自然言語処理)</CONF.ORIG></CONF>
    <CNFE TYPE="alpha">The Special Interest Group Notes of IPSJ</CNFE>
    <ABST TYPE="kanji"><ABST.P><ABST.P.ORIG>語い項目によって引き起される特異的(idiosyncratic)な構造変換を規則の形で記述すること自体は、それほど困難ではない。しかし、そのような構造変換が単一の文に複数個同時に存在すると、それらの干渉によって予期せぬ問題を引き起こす。さらに、等位接続構造のような一般的な言語現象と組み合わさった場合にも、問題を引き起こすのである。本報告では、機械翻訳におけるトランスファーの枠組として、原言語側の言語構造を変更することなしに目標言語側の構造を作り出す非破壊的(non-destructive)な処理モデルを提案し、その枠組の下で、構造変換の干渉によって引き起こされる問題を解決するための手段を示す。</ABST.P.ORIG></ABST.P></ABST>
    <ABSE TYPE="alpha"><ABSE.P>This paper discusses complex structural changes during transfer in machine translation with a non-destructive transfer framework.Though the description of each individual idiosyncratic structural change,which is mainly caused by lexical items,is not difficult,special provision must be made when they are combined,because interaction between them sometimes causes unexpected problems.Transfer of coordinate structures is also discussed as this sometimes necessitates a structural change and interacts with other structural changes in a problematic way.We give solutions to this problem in our logic-based transfer model.</ABSE.P></ABSE>
    <KYWD TYPE="kanji"><KYWD.ORIG>自然言語処理 // 機械翻訳 // 論理 // トランスファー</KYWD.ORIG></KYWD>
    <KYWE TYPE="alpha">Natural Language Processing // Machine Translation // Logic // Transfer</KYWE>

    The rest is omitted.

    http://research.nii.ac.jp/ntcir/outline/orig-en.html
  • 検索課題サンプル:

    <topic>
    <title>complex nouns</title>
    <description>
    <J>複合名詞解析において、シンボリックな手法と統計的な手法を組み合わせたアプローチを取る研究はないか。<J>
    <E>Are there any research concerning the automatic anaylsis of complex nouns using both statistical and symbolic method together?</E>
    </description>
    <narrative>
    <J>複合名詞の解析であれば、一応、要求に半分くらいレレバントと考える。言語は日本語でもその他の言語でもよいが、「解析」としては、単なる分割だけでなく、構造付与まで行っている必要がある。また、「複合名詞」の中で漢字列部分のみ、カタカナ列のみ、というのはどちらでもよい。</J>
    <E>Any work on the automatic analysis of complex nouns is half relevant to my need. The target languages may be any, e.g. English, Japanese, etc. But the analysis should cover parsing (bracketing), and the decomposition is not sufficient.</E>
    </narrative>
    <concepts>
    <J>複合名詞　言語処理　統計的手法　記号的手法　パージング　構造解析</J>
    <E>complex nouns, natural language processing, statistical method, symbolic method, parsing, structural analysis</E>
    </concepts>
    </topic>

    The rest is omitted.

    http://research.nii.ac.jp/ntcir/outline/orig-en.html
format.extent
  • 検索課題（日本語）：83件
  • 用語抽出研究用のタグ付きデータコレクション：2000件
  • 文書データ（随時検索用、日英混在）：339,483件（577MB）
  • 文書データ（日本語単言語検索用、日本語）：332,918件（312MB）
  • 文書データ（言語横断検索用、英語）：187,080件（218MB）
format.medium
  • CD-ROM
format.encoding
  • EUC
format.markup
  • SGML (文書データ)
  • SGML類似タグ (検索課題)
format.functionality
identifier
identifier.doi
identifier.islrn
source
  • 学会発表データベース(1988-1997)
language
  • Japanese 日本語
  • English 英語
language.area
  • Japan 日本
  • Europe 欧州（英国）
  • America アメリカ（カナダ・米）
  • Oceania オセアニア（豪州）
relation
relation.utilization *This metadata is automatically extracted
coverage.temporal
  • 1988 - 1997
coverage.spacial
  • 日本
rights