2004命名實體識別評測大綱

1、2004年度命名實體識別評測大綱一、評測對象本次評測的對象是現(xiàn)代漢語（包含大陸的簡體文本和港澳臺地區(qū)的繁體文本）的命名實體（包含命名實體、時間表達式及數(shù)量表達式）識別系統(tǒng)中的核心技術(shù)。二、評測內(nèi)容本次評測主要是對識別的正確率進行評測。1.命名實體識別評測本次測試命名實體、時間詞、數(shù)字詞的識別。具體詞類的判斷規(guī)則參考附錄中的說明。(1)命名實體（ENAMEX）命名實體是文本中的固有名稱、縮寫及其他唯一標(biāo)識。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”。(2)時間表達式（TIMEX）時間表達式為文本中的相對或絕對時間短語。子類包括日期(DATE)和時間(TIME)。例如：“1993年3月”、“早晨5點30分”。(3)數(shù)值表達式（NUMEX）本次評測中的數(shù)值表達式特指文本中出現(xiàn)的用于表示數(shù)值的數(shù)字短語。例如：“300”、“30％”、“五倍”。2.評測語料的選材原則本次評測將選擇近期流

3、通廣泛的圖書、報紙、期刊和網(wǎng)絡(luò)等載體作為語料的來源，以期反映當(dāng)代漢語的最新面貌，涉及到的主題有政治、經(jīng)濟、體育、交通、旅游、教育等。語料的選擇考慮到其平衡性、科學(xué)性和代表性。三、評測方法1.評測方式本次評測為現(xiàn)場評測。采用自動評測與人工輔助相結(jié)合的方式進行。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)上對識別出的詞語進行標(biāo)注。識別出的詞語標(biāo)記方法如下。利用以下標(biāo)記括起識別出的命名實體、時間表達式、數(shù)值表達式：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，兩周前便曾在洛杉磯跑出過9秒86的好成績，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錄。四、評測環(huán)境本次評測環(huán)境包括：操作系統(tǒng)為Windows2000，