TAP-DLND 1.0：一个用于文档级新颖性检测的语料库
计算与语言
2018-02-21 v1
摘要
检测整篇文档的新颖性是一个人工智能（AI）前沿问题，具有广泛的 NLP 应用，如抽取式文档摘要、追踪新闻事件的发展、预测学术文章的影响力等。尽管该问题很重要，我们尚未知晓任何在分类框架下正确解决自动新颖性检测技术评估的基准文档级数据。为弥补这一差距，我们在此呈现一个用于基准测试文档级新颖性检测技术的资源。我们通过跨多个领域以周期性方式对新闻文档进行事件特定爬取来创建该资源。我们发布了带必要统计信息的标注语料库，并通过对所关注问题开发的系统展示其用途。
引用
@article{arxiv.1802.06950,
title = {TAP-DLND 1.0 : A Corpus for Document Level Novelty Detection},
author = {Tirthankar Ghosal and Amitra Salam and Swati Tiwari and Asif Ekbal and Pushpak Bhattacharyya},
journal= {arXiv preprint arXiv:1802.06950},
year = {2018}
}
备注
Accepted for publication in Language Resources and Evaluation Conference (LREC) 2018