Russian Web Tables:基于维基百科的俄语网络表格公开语料库
计算与语言
2022-10-13 v1 数字图书馆
信息检索
机器学习
摘要
包含表格数据(如WebTables)的语料库是学术界的重要资源。本质上,它们是任何现代信息管理研究的支柱。它们被用于各种数据抽取、知识库构建、问答、列语义类型检测等任务。此类语料库不仅作为数据来源有用,也作为构建测试数据集的基础。迄今为止,尚无针对俄语的此类语料库,这严重阻碍了上述领域的研究。在本文中,我们提出了首个专门由俄语材料构建的网络表格语料库。它通过我们开发的用于爬取俄语维基百科的专用工具包构建。该语料库和工具包均为开源且公开可用。最后,我们给出了一项描述俄语维基百科表格及其统计信息的简要研究。
引用
@article{arxiv.2210.06353,
title = {Russian Web Tables: A Public Corpus of Web Tables for Russian Language Based on Wikipedia},
author = {Platon Fedorov and Alexey Mironov and George Chernishev},
journal= {arXiv preprint arXiv:2210.06353},
year = {2022}
}