HaRuCo: новый русскоязычный корпус научно-популярных текстов с разметкой кореференции
Main Article Content
Аннотация
Представлен новый русскоязычный корпус с разметкой кореференции HaRuCo (Habr Russian Coreference Corpus). В качестве основы для корпуса взяты научно-популярные статьи, относящиеся к предметной области «Компьютерная лингвистика». Предложена методика разметки кореференции для текстов узких предметных областей, которая включает четыре основных этапа: синтаксический анализ текста; сборку именных групп и выделение местоимений для построения упоминаний (спанов); классификацию упоминаний классами предметной области; кластеризацию упоминаний в соответствии с цепочками кореферентно-связанных спанов. Аннотирование кореферентных связей осуществлено с применением синтаксического парсера и большой языковой модели, оно прошло ручную проверку и корректировку. Созданный корпус включает 3727 сущностей, 9905 упоминаний и 2683 кореферентных цепочек. Он может быть использован для обучения и оценки моделей разрешения кореференции для русского языка.
Article Details
Библиографические ссылки
2. Dobrovolskii V.A., Michurina M.A., Ivoylova A.M. RuCoCo: a new Russian corpus with coreference annotation // Computational Linguistics and Intellectual Technologies: Proc. of the Int. Conference “Dialogue 2022”. 2022. P. 141–149. https://doi.org/10.28995/2075-7182-2022-21-141-149
3. Azerkovich I. Using Semantic Information for Coreference Resolution with Neural Networks in Russian // Analysis of Images, Social Networks and Texts. AIST 2019. Communications in Computer and Information Science. Cham: Springer International Publishing. 2020. Vol. 1086. P. 85–93. https://doi.org/10.1007/978-3-030-39575-9_9
4. Toldova S. et al. Ru-eval-2014: Evaluating anaphora and coreference resolution for russian // Computational linguistics and intellectual technologies: Proc. of the Int. Conference "Dialogue 2014". 2014. P. 681–694.
5. Budnikov A.E., Toldova S.Yu., Zvereva D.S., Maximova D.M., Ionov M.I. Ru-eval-2019: Evaluating anaphora and coreference resolution for russian // Computational Linguistics and Intellectual Technologies – Supplementary Volume. 2019.
6. Ovchinnikova K.A., Ivanov A.I., Sidorova E.A. Automation of the construction of the terminological core of ontology in computer linguistics based on a corpus of texts // System Informatics. 2023. No. 23. P. 13–32. https://doi.org/10.31144/SI.2307-6410.2023.N23.P13-32
7. Nghia T. Le, Ritter A. Are Large Language Models Robust Coreference Resolvers? // First Conference on Language Modeling (COLM-2024). 2024.
8. Moosavi N.S., Strube M. Which coreference evaluation metric do you trust? А proposal for a link-based entity aware metric // Proceedings of the 54th Annual Meeting of the Association for Computational Linguistics. 2016. Vol. 1. P. 632–642. https://doi.org/10.18653/v1/P16-1060
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Представляя статьи для публикации в журнале «Электронные библиотеки», авторы автоматически дают согласие предоставить ограниченную лицензию на использование материалов Казанскому (Приволжскому) федеральному университету (КФУ) (разумеется, лишь в том случае, если статья будет принята к публикации). Это означает, что КФУ имеет право опубликовать статью в ближайшем выпуске журнала (на веб-сайте или в печатной форме), а также переиздавать эту статью на архивных компакт-дисках журнала или включить в ту или иную информационную систему или базу данных, производимую КФУ.
Все авторские материалы размещены в журнале «Электронные библиотеки» с ведома авторов. В случае, если у кого-либо из авторов есть возражения против публикации его материалов на данном сайте, материал может быть снят при условии уведомления редакции журнала в письменной форме.
Документы, изданные в журнале «Электронные библиотеки», защищены законодательством об авторских правах, и все авторские права сохраняются за авторами. Авторы самостоятельно следят за соблюдением своих прав на воспроизводство или перевод их работ, опубликованных в журнале. Если материал, опубликованный в журнале «Электронные библиотеки», с разрешения автора переиздается другим издателем или переводится на другой язык, то ссылка на оригинальную публикацию обязательна.
Передавая статьи для опубликования в журнале «Электронные библиотеки», авторы должны принимать в расчет, что публикации в интернете, с одной стороны, предоставляют уникальные возможности доступа к их материалам, но, с другой, являются новой формой обмена информацией в глобальном информационном обществе, где авторы и издатели пока не всегда обеспечены защитой от неправомочного копирования или иного использования материалов, защищенных авторским правом.
При использовании материалов из журнала обязательна ссылка на URL: http://rdl-journal.ru. Любые изменения, дополнения или редактирования авторского текста недопустимы. Копирование отдельных фрагментов статей из журнала разрешается для научных исследований, персонального использования, коммерческого использования до тех пор, пока есть ссылка на оригинальную статью.
Запросы на право переиздания или использования любых материалов, опубликованных в журнале «Электронные библиотеки», следует направлять главному редактору Елизарову А.М. по адресу: amelizarov@gmail.com
Издатели журнала «Электронные библиотеки» не несут ответственности за точки зрения, излагаемые в публикуемых авторских статьях.
Предлагаем авторам статей загрузить с этой страницы, подписать и выслать в адрес издателя журнала по электронной почте скан Авторского договора о передаче неисключительных прав на использование произведения.