DBpedia Abstracts: A Large-Scale, Open, Multilingual NLP Training Corpus

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21240%2F16%3A00300156" target="_blank" >RIV/68407700:21240/16:00300156 - isvavai.cz</a>

Výsledek na webu

<a href="http://www.lrec-conf.org/proceedings/lrec2016/pdf/895_Paper.pdf" target="_blank" >http://www.lrec-conf.org/proceedings/lrec2016/pdf/895_Paper.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

DBpedia Abstracts: A Large-Scale, Open, Multilingual NLP Training Corpus

Popis výsledku v původním jazyce

The ever increasing importance of machine learning in Natural Language Processing is accompanied by an equally increasing need in large-scale training and evaluation corpora. Due to its size, its openness and relative quality, the Wikipedia has already been a source of such data, but on a limited scale. This paper introduces the DBpedia Abstract Corpus, a large-scale, open corpus of annotated Wikipedia texts in six languages, featuring over 11 million texts and over 97 million entity links. The properties of the Wikipedia texts are being described, as well as the corpus creation process, its format and interesting use-cases, like Named Entity Linking training and evaluation.

Název v anglickém jazyce

DBpedia Abstracts: A Large-Scale, Open, Multilingual NLP Training Corpus

Popis výsledku anglicky

The ever increasing importance of machine learning in Natural Language Processing is accompanied by an equally increasing need in large-scale training and evaluation corpora. Due to its size, its openness and relative quality, the Wikipedia has already been a source of such data, but on a limited scale. This paper introduces the DBpedia Abstract Corpus, a large-scale, open corpus of annotated Wikipedia texts in six languages, featuring over 11 million texts and over 97 million entity links. The properties of the Wikipedia texts are being described, as well as the corpus creation process, its format and interesting use-cases, like Named Entity Linking training and evaluation.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

V - Vyzkumna aktivita podporovana z jinych verejnych zdroju

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the Tenth International Conference on Language Resources and Evaluation (LREC 2016)

ISBN

978-2-9517408-9-1

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

3339-3343

Název nakladatele

European Language Recources Association (ELRA)

Místo vydání

Paris

Místo konání akce

Portorož

Datum konání akce

23. 5. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000526952503091