德语新闻文章中的引语归属数据集

在当今在线新闻文章等海量数据中，提取“谁对谁说了什么”是分析人类交流的关键部分。然而，德语新闻文章中针对此任务的标注数据缺乏，严重限制了可能系统的质量和可用性。为了弥补这一点，我们提出了一个基于 WIKINEWS 的全新、免费、知识共享许可的德语新闻文章引语归属数据集。该数据集在 1000 篇文档（250,000 个 token）中提供了经过精心整理的高质量标注，采用细粒度的标注模式，使该数据集能够用于各种下游任务。标注不仅指明了谁说了什么，还指明了如何说、在何种语境下、对谁说，并定义了引语的类型。我们详细说明了标注模式，描述了数据集的创建过程，并提供了定量分析。此外，我们描述了合适的评估指标，应用了两个现有的引语归属系统，讨论了它们的结果以评估我们数据集的效用，并概述了我们的数据集在下游任务中的用例。