Minho 语料库资源更新
计算与语言
2021-04-15 v1
摘要
Minho 语料库资源最初发布于 2012 年。它提供了约 500,000 条来自商业领袖、分析师和政客的引述，时间跨度为 2008 至 2012 年。原始资源存在若干缺陷，包括大量缺失的职位与所属机构，以及未规范化的职位名称，导致同一雇用职位在拼写和格式上差异巨大。此外，还存在大量重复发布。本次更新对职位文本进行了标准化，并填补了缺失的职位与所属机构。重复引述已被删除。本次更新还提供了一些隐喻和明喻抽取，以及引述的情感分布。本次更新还将过时的 Lucene 索引替换为 JSONL 格式，并提供了一个可查询资源所附数据的基础接口。希望此次更新能推动金融危机时期商业沟通的研究。
引用
@article{arxiv.2104.06987,
title = {An Update to the Minho Quotation Resource},
author = {Brett Drury and Samuel Morais Drury},
journal= {arXiv preprint arXiv:2104.06987},
year = {2021}
}
备注
10 pages