NTCIR-3 CLIR（情報検索／言語横断検索用テストコレクション）

registration: 2009/02/16 05:15:19, last modified: 2009/02/20 02:18:19
title
  • NTCIR-3 CLIR（情報検索／言語横断検索用テストコレクション）
title.abbreviation
title.alternative
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
  • discourse_analysis
  • text_and_corpus_linguistics
  • translating_and_interpreting
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／言語横断検索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(毎日新聞記事データ(日本語）、台湾の新聞各種(聯合報他)、毎日デイリー（英文新聞）、台湾で発行された英語新聞各種、韓国語新聞記事(韓国経済)、検索課題（中韓日英4ヶ国語）、正解判定が含まれる。NIIからは、研究目的では検索課題と正解判定からなる「検索課題データ」、英語文書データのうち毎日デイリーファイル、中国語データのうちCIRB020を配布。日本語文書データは日外アソシエーツから別途入手が必要。 それ以外の文書データはNTCIRワークショップ参加者のみが使用可能。
description.price *This metadata is only as a guide
  • 検索課題データ：研究利用目的にかぎり無料
  • 英語文書データ（毎日デイリーファイル）：研究利用目的にかぎり無料
  • 中国語データ（聯合報他、CIRB020）：研究利用目的にかぎり無料
  • 日本語文書データ：日外アソシエーツより別途購入が必要
  • 上記以外のデータ：NTCIRワークショップ当該タスク参加者にかぎり無料で提供
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 (1997～)
  • sponsor 学術情報センター (1997～)
  • sponsor 国立情報学研究所情報学資源研究センター (2000～)
  • sponsor 科学研究費補助金「不均質コンテンツに対する情報活用システムに関する研究(研究課題番号13224087)」 (2001～)
  • editor 日外アソシエーツ (http://www.nichigai.co.jp/)
contributor.attribute.author.motherTongue
  • native 毎日新聞社 (日本) (日本語文書データ)
  • native 聯合報 (United Daily News) (台湾) (中国語文書データ)
  • native 経済日報 (Economic Daily News) (台湾) (中国語文書データ)
  • native 民生報 (Min Sheng Daily) (台湾) (中国語文書データ)
  • native 聯合晩報 (United Evening News) (台湾) (中国語文書データ)
  • native 星報 (Star News) (台湾) (中国語文書データ)
  • native 中國時報 (China Times) (台湾) (中国語文書データ)
  • native 中時晩報 (China Times Express) (台湾) (中国語文書データ)
  • native 工商時報 (Commercial Times) (台湾) (中国語文書データ)
  • native 中華時報 (China Daily News) (台湾) (中国語文書データ)
  • native 中央日報 (Central Daily News) (台湾) (中国語文書データ)
  • non_native 英文台湾新聞 (Taiwan News) (台湾) (英語文書)
  • non_native 中国時報英語版 (China Times English News) (台湾) (英語文書)
  • non_native 毎日デイリーニュース(日本) (英語文書)
  • native 韓国経済 (Korea Economic Daily) (韓国) (韓国語文書)
contributor.attribute.author.dialect
  • standard_dialect 日本語、韓国語、英語
  • dialect 中国語(台湾華語(台湾北京語))
contributor.attribute.author.level
  • professional
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
date.issued
  • 2003-00-00
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 新聞記事
type.form
  • unfixed
type.sentence
  • short
  • long
type.annotation
  • annotated
type.annotationSample
  • 文書データ中で使用されているタグ：

    必須タグ:
    <DOC></DOC> : 文書
    <DOCNO></DOCNO> : 文書ID
    <LANG></LANG> : 言語コード（CH、EN、JA、KR）
    <HEADLINE></HEADLINE> : 記事タイトル
    <DATE></DATE> : 発行日
    <TEXT></TEXT> : 本文
    オプショナル：
    <P></P> : 段落
    <SECTION></SECTION> : 新聞中でのセクション
    <AE></AE> : 数字有無
    <WORDS></WORDS> : 文字数（全角）（毎日新聞）

    http://research.nii.ac.jp/ntcir/permission/ntcir-4/perm-ja-CLIR.html
  • 検索課題で使用されているタグ：

    <TOPIC></TOPIC> : 検索課題
    <NUM></NUM> : 課題ID
    <SLANG></SLANG> : Source languageコード: CH、EN、JA、KR
    <TLANG></TLANG> : Target languageコード: CH、EN、JA、KR
    <TITLE></TITLE> : 要求する情報を名詞句で表現したもの
    <DESC></DESC> : 検索課題の内容（1～2文）
    <NARR></NARR> : 検索課題の詳細記述
    <CONC></CONC> : 関連キーワード

    http://research.nii.ac.jp/ntcir/permission/ntcir-4/perm-ja-CLIR.html
type.sample
  • 検索課題サンプル:

    <TOPIC>
    <NUM>013</NUM>
    <SLANG>CH</SLANG>
    <TLANG>EN</TLANG>
    <TITLE>NBA labor dispute</TITLE>
    <DESC>
    To retrieve the labor dispute between the two parties of the US National Basketball Association at the end of 1998 and the agreement that they reached.
    </DESC>
    <NARR>
    The content of the related documents should include the causes of NBA labor dispute, the relations between the players and the management, main controversial issues of both sides, compromises after negotiation and content of the new agreement, etc. The document will be regarded as irrelevant if it only touched upon the influences of closing the court on each game of the season.
    </NARR>

    The rest is omitted.

    http://research.nii.ac.jp/ntcir/permission/READMEforTOPICS_DryRun.htm
format.extent
  • 検索課題(日韓中英)：80件
  • 94年記事セット(韓国語文書データ、韓国経済(Korea Economic Daily))：66,146記事 (74MB)
  • 98-99年記事セット(日中英文書データ)総数量：624,686記事 (870MB)
  • 日本語文書(毎日新聞、98-99セット内訳)：220,078記事
  • 中国語文書１(聯合報 (United Daily News)他、98-99セット内訳)：249,508記事
  • 中国語文書２(China Times他、98-99セット内訳)：132,173記事
  • 英語文書１(英文台湾新聞 (Taiwan News)、98-99セット内訳)：7,489記事
  • 英語文書２(中国時報英語版 (China Times English News)、98-99セット内訳)：2,715記事
  • 英語文書３(毎日デイリーニュース、98-99セット内訳)：12,723記事
format.medium
format.encoding
format.markup
format.functionality
identifier
identifier.doi
identifier.islrn
source
  • 毎日新聞記事 (1998-1999) (C-001601,CD-Mainichi Shimbun Data Collection)
  • 聯合報 (United Daily News、台湾) 記事 (1998-1999)
  • 経済日報 (Economic Daily News、台湾) 記事 (1998-1999)
  • 民生報 (Min Sheng Daily、台湾) 記事 (1998-1999)
  • 聯合晩報 (United Evening News、台湾) 記事 (1998-1999)
  • 星報 (Star News、台湾) 記事 (1998-1999)
  • 中國時報 (China Times、台湾) 記事 (1998-1999)
  • 中時晩報 (China Times Express、台湾) 記事 (1998-1999)
  • 工商時報 (Commercial Times、台湾) 記事 (1998-1999)
  • 中華時報 (China Daily News、台湾) 記事 (1998-1999)
  • 中央日報 (Central Daily News、台湾) 記事 (1998-1999)
  • 英文台湾新聞 (Taiwan News、台湾) 記事 (1998-1999)
  • 中国時報 (China Times、台湾) 英文記事 (1998-1999)
  • 毎日デイリーニュース記事 (日本) (1998-1999)
  • 韓国経済 (Korea Economic Daily、韓国) 記事 (1994)
language
  • Japanese 日本語
  • Korean 韓国語
  • Mandarin Chinese 北京中国語(台湾華語)(繁体字)
  • English 英語
language.area
  • Japan
  • Asia 中国台湾、北朝鮮、韓国
  • Europe
  • Africa
  • Oceania
relation
relation.utilization *This metadata is automatically extracted
coverage.temporal
  • 1994 (韓国語セット)
  • 1998 - 1999 (日中英セット)
coverage.spacial
  • 日本
  • 韓国
  • 中国台湾
rights