NTCIR-5 CLIR ꉡfeXgRNV

registration: 2009/02/16 05:32:21, last modified: 2009/02/20 05:00:51
title
  • NTCIR-5 CLIR ꉡfeXgRNV
title.abbreviation
title.alternative
  • NTCIR-5 CLIR 言語横断検索テストコレクション
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
  • translating_and_interpreting
  • 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／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。本コレクションは中国語・日本語・韓国語・英語に対する言語横断検索（cross-lingual information retrieval：CLIR）に関する実験に使用することができ、文書データ(中韓日英4ヶ国語新聞記事）、検索課題（中韓日英4ヶ国語）、正解判定が含まれる。尚、データによりワークショップ参加者以外は当該機関より別途購入が必要なものがある。
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、コリア・タイムス）：研究利用目的にかぎり無料
  • 中国語文書データ：研究利用目的にかぎり無料
  • 韓国語文書データ：研究利用目的にかぎり無料
  • 英語文書データ（新華社記事）：ワークショップ参加者：研究利用目的にかぎり無料／参加者以外：米・Linguistic Data Consortium (LDC)より別途購入が必要
  • 英語文書データ（デイリー読売）：ワークショップ参加者：研究利用目的にかぎり無料／参加者以外：日本データベース開発（株）より別途購入が必要
  • 日本語文書データ（毎日新聞）：ワークショップ参加者：研究利用目的にかぎり無料／参加者以外：日外アソシエーツより別途購入が必要
  • 日本語文書データ（読売新聞）：ワークショップ参加者：研究利用目的にかぎり無料／参加者以外：日本データベース開発（株）より別途購入が必要
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/)
  • editor 日本データベース開発（株）(http://www.ndk.co.jp/index.html)
  • editor 米国 Linguistic Data Consortium (LDC) (http://www.ldc.upenn.edu/)
contributor.attribute.author.motherTongue
  • native 読売新聞社 (日本語文書)
  • native 毎日新聞社 (日本語文書)
  • native 聯合新聞網 (UDN.COM news agency) (台湾) (中国語文書)
  • native Hankooki.com Inc. (韓国) (韓国語文書)
  • native Chosun Ilbo Co., Ltd (韓国) (韓国語文書)
  • non_native 読売新聞社 (英語文書)
  • non_native 毎日新聞社 (英語文書)
  • non_native Hankooki.com Inc. (韓国) (英語文書)
  • non_native 新華社通信 (Xinhua News Agency) (中国) (英語文書)
contributor.attribute.author.dialect
  • standard_dialect 日韓英
  • 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
  • 2004-00-00
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
  • 適合判定ファイルの書式:

    以下の各フィールドがタブで区切られる：
    (検索課題ID) (ダミー) (文書ID) (適合判定 "0"または "1") (コメント)

    http://research.nii.ac.jp/ntcir/permission/ntcir-5/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。<BACK>...</BACK>、<REL>...</REL>、<TERM>...</TERM>を持つ。
    <CONC></CONC> : 課題関連キーワード

    http://research.nii.ac.jp/ntcir/permission/ntcir-5/perm-ja-CLIR.html
  • 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
type.sample
  • 検索課題例：

    <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/ntcir-5/perm-ja-CLIR.html
format.extent
  • 検索課題(日韓中英)：50件
  • 日本語文書(毎日新聞、読売新聞)：858,400記事 (118.8MB+343.3MB)
  • 中国語文書(聯合報 (United Daily News)、Ming Hseng News、United Express、経済日報 (Economic Daily News))：901,446記事 (581.7MB)
  • 英語文書１(毎日デイリーニュース)：12,155記事 (9.9 MB)
  • 英語文書２(コリア・タイムス (Korea Times))：30,530記事 (25.3 MB)
  • 英語文書３(デイリー読売)：17,741記事 (22.9 MB)
  • 英語文書４(新華社記事 (Xinhua))：198,624記事
  • 韓国語文書(韓国日報 (Hankookilbo)、朝鮮日報 (Chosunilbo))：220,374記事 (52.1MB+88.7MB)
format.medium
format.encoding
format.markup
format.functionality
identifier
identifier.doi
identifier.islrn
source
  • 毎日新聞記事 (2000-2001) (C-001601,CD-Mainichi Shimbun Data Collection)
  • 読売新聞記事 (2000-2001) (C-001632,Yomiuri Shimbun Articles Data(Japanese))
  • 経済日報 (Economic Daily News、台湾) 記事 (2000-2001)
  • Ming Hseng News (台湾) 記事 (2000-2001)
  • 経済日報 (Economic Daily News、台湾) 記事 (2000-2001)
  • United Express (台湾) 記事 (2000-2001)
  • 韓国日報 (Hankookilbo、韓国) 記事 (2000-2001)
  • 朝鮮日報 (Chosunilbo、韓国) 記事 (2000-2001)
  • 毎日デイリーニュース記事 (2000-2001)
  • デイリー読売記事 (2000-2001)
  • コリア・タイムス (Korea Times、韓国) 記事 (2000-2001)
  • 新華社通信 (Xinhua News Service、中国) 記事 (2000-2001)
language
  • Japanese 日本語
  • Korean 韓国語
  • English 英語
  • Mandarin Chinese 台湾北京語(台湾華語）(繁体字)
language.area
  • Japan
  • Asia 中国・台湾、南北朝鮮
  • Europe
  • America
  • Oceania
relation
relation.utilization *This metadata is automatically extracted
coverage.temporal
  • 2000 - 2001
coverage.spacial
  • 日本
  • 韓国
  • 中国・台湾
  • 中国・北京
rights