NTCIR-5 CLQA 多言語質問応答テストコレクション

registration: 2009/02/16 05:33:29, last modified: 2009/02/20 05:35:46
title
  • NTCIR-5 CLQA 多言語質問応答テストコレクション
title.abbreviation
title.alternative
creator
  • developer NTCIRプロジェクト(国立情報学研究所) (http://research.nii.ac.jp/ntcir/index-ja.html)
  • researcher 佐々木裕 (ATR) (タスク・オーガナイザ)
  • researcher Hsin-Hsi Chen (国立台湾大学) (タスク・オーガナイザ)
  • researcher Kuang-hua Chen (国立台湾大学) (タスク・オーガナイザ)
subject
  • 多言語質問応答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多言語質問応答タスク(CLQA)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。CLQAタスクとは、ある言語での質問（日・中・英）に対し、異なる言語の新聞記事から答えを探すもの。本コレクションには文書データ及びタスクデータ（質問文と回答）を収録。回答となるものは名称もしくは数値表現。尚、日本語・英語文書データ(新聞記事)はタスク参加者のみに無料配布。
description.price *This metadata is only as a guide
  • タスクデータ（質問回答セット）：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
  • 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（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 日本データベース開発（株）(http://www.ndk.co.jp/index.html)
contributor.attribute.author.motherTongue
  • native 読売新聞社 (日本語文書データ)
  • native 聯合新聞網 (UDN.COM news agency) (中国語文書データ)
  • non_native 読売新聞社 (英語文書データ)
contributor.attribute.author.dialect
  • standard_dialect 日本語・英語
  • dialect 中国語（台湾華語（台湾北京語））
contributor.attribute.author.level
  • professional 文書データ
  • amateur タスクデータ
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 文書データ
  • interactive_discourse タスクデータ
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（文書データ）
  • written 質問回答文（タスクデータ）
type.form
  • unfixed 文書データ
  • fixed タスクデータ（質問回答文）
type.sentence
  • short
  • long
  • short タスクデータ中回答
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（ZH、EN、JA）
    <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-5/perm-ja-CLQA.html
  • 回答タイプ(IREX named entity types)：

    ORGANIZATION
    PERSON
    LOCATION
    ARTIFACT (商標、題名、法律など)
    DATE
    TIME
    MONEY
    PERCENT
    NUMEX (MONEYとPERCENT以外の数量表現)

    http://research.nii.ac.jp/ntcir/permission/ntcir-5/perm-ja-CLQA.html
  • Inputフォーマット：

    [QID(=[QuestionSetID]-[Lang]-[QuestionNo]-[SubQuestionNo])]: "[Question]"

    http://www.slt.atr.jp/CLQA/
  • Outputフォーマット：

    [QID], [Lang](, "[Answer]", [DOCNO], [Reserved], [Reserved])

    http://www.slt.atr.jp/CLQA/
  • テストコレクション・フォーマット：

    <?xml version="1.0" encoding="UTF-8"?>
    <QASET>
    <VERSION>[Version]</VERSION>

    <QA>
    <QUESTION>
    <QTYPE>[QType]</QTYPE>
    <Q LANG="[Lang]" QID="[QID]">[Question]</Q>
    ...
    </QUESTION>
    <ANSWER>
    <A LANG="[Lang]" DOCNO="[ArticleID]" GID="[GID]">[Answer]</A>
    ...
    </ANSWER>
    </QA>
    ...
    </QASET>

    http://www.slt.atr.jp/CLQA/
type.sample
  • Input:

    CLQA1-EN-S0001-00: "When Queen Victoria died?"

    http://research.nii.ac.jp/ntcir/permission/ntcir-5/perm-ja-CLQA.html
  • Output:

    CLQA1-EN-T0001-00, EN, "1901", ENY-20001101CYM0398, ,
    CLQA1-EN-T0001-00, JA, "１９０１年", JAY-20001101CYM0398, , , "一九〇一年", JAY-20001101CYM0398, ,

    http://research.nii.ac.jp/ntcir/permission/ntcir-5/perm-ja-CLQA.html
  • テストコレクション・フォーマット:

    <QA>
    <QUESTION>
    <Q LANG="EN" QID="CLQA1-EN-S0001-00"&gtWhen did Queen Victoria die?</Q>
    <Q LANG="JA" QID="CLQA1-JA-S0001-00">ビクトリア女王が亡くなったのはいつ？</Q>
    <QTYPE&gtDATE</QTYPE>
    </QUESTION>
    <ANSWER>
    <A LANG="EN" DOCNO="ENY-20001101CYM0398" GID="0"&gt1901</A>
    <A LANG="JA" DOCNO="JY-20001101CYM0398" GID="0">１９０１年</A>
    <A LANG="JA" DOCNO="JY-20001101CYM0398" GID="0">一九〇一年</A>
    </ANSWER>
    </QA>
    </QASET>

    The rest is omitted.

    http://www.slt.atr.jp/CLQA/
format.extent
  • サンプルタスクデータ：500件
  • タスクデータ（英語文書用日本語質問）：200件
  • タスクデータ（日本語文書用英語質問）：200件
  • タスクデータ（英語文書用中国語質問）：200件
  • タスクデータ（中国語文書用英語質問）：200件
  • タスクデータ（中国語文書用中国語質問）：200件
  • 日本語文書(読売新聞)：658,719記事 (343.3 MB)
  • 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(デイリー読売)：17,741記事 (22.9 MB)
format.medium
format.encoding
  • BIG5 (中国語)
  • EUC-JP (日本語)
  • ASCII (英語)
format.markup
  • XML
format.functionality
identifier
identifier.doi
identifier.islrn
source
  • 読売新聞記事 (2000-2001) (C-001632,Yomiuri Shimbun Articles Data(Japanese))
  • デイリー読売記事 (2000-2001) (C-001630,THE DAILY YOMIURI Articles Data)
  • 聯合報 (United 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)
language
  • Japanese 日本語
  • 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
  • Europe
  • America
  • Oceania
relation
relation.utilization *This metadata is automatically extracted
coverage.temporal
  • 2000 - 2001
coverage.spacial
  • 日本
  • 中国・台湾
rights