aanrelease2013.tar.gz — это беспорядок.
papers_text/ (обычный текст, извлеченные из PDF-файла) имеют проблемы:P00-1032 , W06-3709 ).T75-2033 , до непригодного для использования, например, J79-1013 ).C73-2029 ).L08-1302 ). Makefile декларативно предоставляет некоторую документацию о проблемах и необходимых работах по их устранению.
Этот репозиторий не содержит никаких исходных данных, только программное описание того, как это исправить.
Для запуска вызовите make в корневом каталоге.
Интерфейс сети антологии ACL Мичиганского университета CLAIR Group сообщает следующую статистику:
| Мера | Ценить |
|---|---|
| Количество статей | 21 212 |
| Количество авторов | 17 792 |
| Количество площадок | 342 |
| Количество цитирований статей | 110 975 |
| Количество авторских коллабораций | 142 450 |
| Диаметр сети цитирования | 22 |
| Диаметр сети для совместной работы | 15 |
Некоторые из них неточны или описывают только один из источников данных. Различные источники набора данных содержат разные подмножества данных; например, цитирования сообщаются для некоторых статей, которые не имеют соответствующего файла papers_text/ (например, L08-1098 ).
aan/release/2013/acl.txt| Мера | Ценить |
|---|---|
| цитирование → цитируемые отношения | 110 930 |
| уникальные цитирующие статьи | 16 554 |
| средн. цитируется по цитированию | 6.7011 |
| уникальные цитируемые статьи | 12 840 |
| средн. цитирование за цитируемое | 8.6394 |
| уникальные статьи | 18 160 |
| уникальные статьи, которые цитируются и цитируются | 11 234 |
| Топ-10 самых цитируемых статей | Количество статей, цитирующих | авторы | заголовок |
|---|---|---|---|
| Дж93-2004 | 928 | Митчелл и др. | Создание большого аннотированного корпуса английского языка: компьютерная лингвистика Penn Treebank |
| P02-1040 | 891 | Папинени и др. | Bleu: метод автоматической оценки машинного перевода |
| Дж93-2003 | 729 | Браун и др. | Математика статистического машинного перевода: оценка параметров |
| P03-1021 | 667 | Ох и Йозеф | Обучение минимальной частоте ошибок в статистическом машинном переводе |
| J03-1002 | 656 | Ох и Йозеф | Систематическое сравнение различных моделей статистического выравнивания |
| P07-2045 | 591 | Коэн и др. | Моисей: набор инструментов с открытым исходным кодом для статистического машинного перевода |
| N03-1017 | 556 | Коэн и др. | Статистический фразовый перевод |
| P03-1054 | 394 | Кляйн и Мэннинг | Точный нелексикализованный синтаксический анализ |
| J96-1002 | 376 | Бергер и др. | Подход максимальной энтропии к обработке естественного языка |
| А00-2018 | 371 | Чарняк | Парсер, основанный на максимальной энтропии |
| Топ-10 самых цитируемых статей | Количество процитированных статей |
|---|---|
| П10-1142 | 88 |
| J10-3003 | 80 |
| W13-4917 | 71 |
| W13-2201 | 65 |
| J12-1006 | 62 |
| J98-1001 | 59 |
| Дж13-2003 | 59 |
| J07-4004 | 57 |
| Дж11-2002 | 52 |
| Д11-1108 | 52 |
aan/release/2013/acl-metadata.txt Форматирование этого файла, честно говоря, сбивает с толку. Общая структура аналогична BibTeX, но ни один анализатор BibTeX не может с ней справиться. Хуже того, смесь кодировок безумна! Если бы ftfy когда-либо искал отличный пример из реальной жизни, то это был бы он.
author , W10-4238 , и 16 308 уникальных последовательностей author ( author перечисляет всех авторов для этой статьи).aan/papers_text/???-????.txt В этом каталоге есть много других файлов; некоторые статьи разделены на основной раздел и разделы ссылок; есть некоторые файлы, которые, похоже, предназначены для размещения в aan/release/2013/ ; и многие файлы, соответствующие этому шаблону, пусты.
papers_text/ .papers_text/ . Несмотря на эти недостатки, сеть антологий ACL является отличным ресурсом; большое спасибо многочисленным участникам.
Драгомир Р. Радев, Прадип Мутхукришнан, Вахед Казвинян, Амджад Абу-Джбара. 2013. Сетевой корпус антологий ACL. Языковые ресурсы и оценка 47 (4), стр. 919–944. 10.1007/с10579-012-9211-2.
Авторские права принадлежат Кристоферу Брауну, 2016–2018 гг. Лицензия MIT.
