2004命名實(shí)體識(shí)別評(píng)測(cè)大綱

1、2004年度命名實(shí)體識(shí)別評(píng)測(cè)大綱一、評(píng)測(cè)對(duì)象本次評(píng)測(cè)的對(duì)象是現(xiàn)代漢語(yǔ)（包含大陸的簡(jiǎn)體文本和港澳臺(tái)地區(qū)的繁體文本）的命名實(shí)體（包含命名實(shí)體、時(shí)間表達(dá)式及數(shù)量表達(dá)式）識(shí)別系統(tǒng)中的核心技術(shù)。二、評(píng)測(cè)內(nèi)容本次評(píng)測(cè)主要是對(duì)識(shí)別的正確率進(jìn)行評(píng)測(cè)。1.命名實(shí)體識(shí)別評(píng)測(cè)本次測(cè)試命名實(shí)體、時(shí)間詞、數(shù)字詞的識(shí)別。具體詞類的判斷規(guī)則參考附錄中的說(shuō)明。(1)命名實(shí)體（ENAMEX）命名實(shí)體是文本中的固有名稱、縮寫及其他唯一標(biāo)識(shí)。子類包括組織名(GANIZATI

2、ON)，人名（PERSON），地名（LOCATION）。例如：“世衛(wèi)組織”、“張三豐”、“淮海路甲一號(hào)”。(2)時(shí)間表達(dá)式（TIMEX）時(shí)間表達(dá)式為文本中的相對(duì)或絕對(duì)時(shí)間短語(yǔ)。子類包括日期(DATE)和時(shí)間(TIME)。例如：“1993年3月”、“早晨5點(diǎn)30分”。(3)數(shù)值表達(dá)式（NUMEX）本次評(píng)測(cè)中的數(shù)值表達(dá)式特指文本中出現(xiàn)的用于表示數(shù)值的數(shù)字短語(yǔ)。例如：“300”、“30％”、“五倍”。2.評(píng)測(cè)語(yǔ)料的選材原則本次評(píng)測(cè)將選擇近期流

3、通廣泛的圖書、報(bào)紙、期刊和網(wǎng)絡(luò)等載體作為語(yǔ)料的來(lái)源，以期反映當(dāng)代漢語(yǔ)的最新面貌，涉及到的主題有政治、經(jīng)濟(jì)、體育、交通、旅游、教育等。語(yǔ)料的選擇考慮到其平衡性、科學(xué)性和代表性。三、評(píng)測(cè)方法1.評(píng)測(cè)方式本次評(píng)測(cè)為現(xiàn)場(chǎng)評(píng)測(cè)。采用自動(dòng)評(píng)測(cè)與人工輔助相結(jié)合的方式進(jìn)行。輸出文件為標(biāo)準(zhǔn)的文本格式，編碼方式為Unicode。內(nèi)容是在原文的基礎(chǔ)上對(duì)識(shí)別出的詞語(yǔ)進(jìn)行標(biāo)注。識(shí)別出的詞語(yǔ)標(biāo)記方法如下。利用以下標(biāo)記括起識(shí)別出的命名實(shí)體、時(shí)間表達(dá)式、數(shù)值表達(dá)式：字

4、符串其中，大類名為ENAMEX、TIMEX、NUMEX之一。ENAMEX的子類包括GANIZATION、PERSON和LOCATION。TIMEX的子類包括DATE和TIME。NUMEX沒(méi)有子類。以下是輸出文件的樣例：格林最近的狀態(tài)非常不錯(cuò)，兩周前便曾在洛杉磯跑出過(guò)9秒86的好成績(jī)，這一次，借助每秒3.7米的風(fēng)速，他追平了蒙哥馬利2002年9月在巴黎創(chuàng)造的男子百米世界紀(jì)錄。四、評(píng)測(cè)環(huán)境本次評(píng)測(cè)環(huán)境包括：操作系統(tǒng)為Windows2000，