NTCIR-6 CLQA 多言語質問応答テストコレクション

registration: 2009/02/16 05:38:37, last modified: 2009/02/20 08:03:21
title
  • NTCIR-6 CLQA 多言語質問応答テストコレクション
title.abbreviation
title.alternative
  • NTCIR-6 CLQA2
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)
  • researcher 佐々木裕 (マンチェスター大学) (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)
  • researcher Chuan-Jie Lin (国立台湾海洋大学) (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、異なる又は同一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、文書データ(新聞記事)によってはタスク参加者のみに無料配布されるものがある。
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（毎日デイリー、コリア・タイムス、ホンコン・スタンダード）：研究利用目的にかぎり無料
  • 英語文書データ（英文台湾新聞 (Taiwan News)、中国時報英語版 (China Times English News)）：ワークショップ参加者のみに配布。研究利用目的にかぎり無料
  • 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
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 (日本語文書データ)
  • native 聯合新聞網 (UDN.COM news agency、台湾) (中国語文書データ)
  • non_native 毎日新聞社 (英語文書データ)
  • non_native Hankooki.com Co. (韓国) (英語文書データ)
  • non_native 星島新聞 (the Sing Tao Group、中国香港) (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
  • 2006-00-00
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 (文書データ) 新聞記事
  • written (タスクデータ) 質問回答文
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部
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、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-6/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
  • 質問フォーマット：

    [質問ID]: "[質問文]"
    [質問ID]の形式は、[質問セットID]-[言語]-[質問番号]-[枝問番号]
    [質問セットID] は "CLQA2"、[言語] はJA（日本語）, ZH（中国語）, EN（英語）のいずれか。
    [質問番号]は冒頭に"S" または "T"がつく（Sはサンプル質問、Tは実験用質問）数字4文字、 [枝問番号]は数字２文
    The rest is omitted.

    http://research.nii.ac.jp/ntcir/permission/ntcir-6/perm-ja-CLQA.html
  • Gold Standardでのタグ:

    <QASET>...</QASET> : 質問回答(QA)セット
    <VERSION>...</VERSION> : QAセットのバージョン
    <QA>...</QA> : QA cluster（QA cluster：異なる言語で書かれた同一の質問群）
    <QUESTION>...</QUESTION> : 質問部
    <Q>...</Q> : 質問文。属性：LANG、QID
    <Q_TYPE>...<Q_TYPE> : 質問タイプ
    <ANSWER>...</ANSWER> : 回答部
    <A>...</A> : テストコレクション上に存在する正解。属性：LANG、DOCNO

    The rest is omitted.

    http://research.nii.ac.jp/ntcir/permission/ntcir-6/perm-ja-CLQA.html
type.sample
format.extent
  • 日本語質問文：200問
  • 中国語質問文：150問
  • 英語質問文：350問
  • 日本語文書(毎日新聞)：220,078記事 (282 MB)
  • 中国語文書(聯合報 (United Daily News)・経済日報 (Economic Daily News)・民生報 (Min Sheng Daily)・聯合晩報 (United Evening News)・星報 (Star News))：249,203記事 (320 MB)
  • 英語文書１(英文台湾新聞 (Taiwan News)・中国時報英語版 (China Times English News))：10,204記事 (24.5 MB)
  • 英語文書２(毎日デイリーニュース)：12,723記事 (33.3 MB)
  • 英語文書３(コリア・タイムス (Korea Times))：19,599記事 (55.8MB)
  • 英語文書４(ホンコン・スタンダード(ザ･スタンダード) (Hong Kong Standard (The Standard)))：96,856記事 (252MB)
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
  • 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)
  • 英文台湾新聞 (Taiwan News、台湾) 記事 (1998-1999)
  • 中国時報英語版 (China Times English News)記事 (1998-1999)
  • 毎日デイリーニュース記事 (日本) (1998-1999)
  • コリア・タイムス (Korea Times) (韓国) (1998-1999)
  • ホンコン・スタンダード(ザ･スタンダード) (Hong Kong Standard (The Standard)) (中国・香港) (1998-1999)
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
  • 1998 - 1999
coverage.spacial
  • 日本
  • 中国・台湾
  • 中国・香港
  • 韓国
rights