TITLE=readme-j.txt DATE=2001-03-01 情報検索システム評価用テストコレクション2 (NTCIR-2) README 1. ファイル構成 このCD-ROMには、以下のファイルがあります。 　readme-j.pdf このファイル readme-j.txt このファイルのテキストファイル版（EUC） readme-e.txt このファイルの英語版 agreem2-j.pdf 使用許諾に関する覚書（日本語） 　agreem2-e.pdf 使用許諾に関する覚書（英語） manual-j.pdf 使用説明書（日本語） manual-e.pdf 使用説明書（英語） j-docs.tgz Jコレクション（日本語文書） e-docs.tgz Eコレクション（英語文書） topics.tgz 検索課題（日本語、英語） rels.tgz 日本語文書および英語文書に対する正解判定 　 scripts.tgz 文書番号（ACCN）の変換スクリプト *.pdfは、Adobe AcrobatReaderが必要です。 *.tgzは、tarをして、gzipしてあります。gzip -dc <ファイル名> ｜ tar xvf - として復元 してください。 *.tgzの内容と、復元したときのファイルサイズは下記のとおりです。なお、ファイルサ イズの1MB＝10242byteです。 (1) j-docs.tgz Jコレクション（日本語文書） 復元すると j-docs/の下に以下のファイルがあります。 ntc2-j1g (118.2MB) 　文書セット（Jコレクション） 日本語 　「学会発表データベース」から抽出 ntc2-j1k (481.3MB) 　文書セット（Jコレクション） 日本語 「科学研究費補助金研究成果概要データベース」 から抽出 (2) e-docs.tgz Eコレクション（英語文書） 復元すると e-docs/の下に以下のファイルがあります。 ntc2-e1g (89.7MB) 文書セット（Eコレクション） 英語 「学会発表データベース」から抽出 ntc2-e1k (110.7MB) 文書セット（Eコレクション）英語 「科学研究費補助金研究成果概要データベース」 から抽出 (3) topics.tgz 　検索課題 （日本語、英語） 復元すると topics/の下に以下のファイルがあります。いずれも第２回NTCIRワークシ ョップの評価用検索課題です。 topic-j0101-0149 日本語検索課題0101〜0149。 topic-e0101-0149 英語検索課題0101〜0149。 (4) rels.tgz 　正解判定 復元すると rels/の下に以下のファイルがあります。 ・Jコレクション（日本語文書）に対する正解判定 rel1_ntc2-j2_0101-0149 ntc1-j1.mod, ntc2-j1g, ntc2-j1kに対する検索課題0101〜0149の 正解判定（Level 1。正解ファイル。S判定とA判定を 正解とした） rel2_ntc2-j2_0101-0149 ntc1-j1.mod, ntc2-j1g, ntc2-j1kに対する検索課題0101〜0149の 正解判定（Level 2。部分正解ファイル。S、A、B判定 を正解とした） rel*_ntc2-j2_0101-0149.nc　コメント部分を除いた正解判定（'*'は'1'または'2'） ・Eコレクション（英語文書）に対する正解判定 rel1_ntc2-e2_0101-0149 ntc1-e1.mod, ntc2-e1g, ntc2-e1kに対する検索課題0101〜0149の 正解判定（Level 1。正解ファイル。S判定とA判定を 正解とした） rel2_ntc2-e2_0101-0149 ntc1-e1.mod, ntc2-e1g, ntc2-e1kに対する検索課題0101〜0149の 正解判定（Level 2。部分正解ファイル。S、A、B判定 を正解とした） rel*_ntc2-e2_0101-0149.nc　コメント部分を除いた正解判定（'*'は'1'または'2'） ・JコレクションおよびEコレクションに対する正解判定 rel1_ntc2-je2_0101-0149 ntc1-j1.mod, ntc1-e1.mod, ntc2-j1g, ntc2-e1g, ntc2-j1k, ntc2-e1kに対する検索課題 0101〜0149の正解判定（Level 1。正解ファイル。 S判定とA判定を正解とした） rel2_ntc2-je2_0101-0149 ntc1-j1.mod, ntc1-e1.mod, ntc2-j1g, ntc2-e1g, ntc2-j1k, ntc2-e1kに対する検索課題 0101〜0149の正解判定（Level 2。部分正解ファイル。 S、A、B判定を正解とした） rel*_ntc2-je2_0101-0149.nc　コメント部分を除いた正解判定（'*'は'1'または'2'） （5）scripts.tgz 文書番号（ACCN）の変換スクリプト 復元すると scripts/の下に以下のファイルとディレクトリがあります。 readme-script-j.txt 英語文書のACCN変換スクリプトについての説明の 日本語版（EUC） readme-script-e.txt 英語文書のACCN変換スクリプトについての説明の 英語版 accn-tr.tar 英語文書のACCN変換スクリプトをまとめたファイル ntc1accn　 NTCIR-1の文書データのACCNをNTCIR-2の文書デー タと同じ形式に変換するスクリプトACCN-j.plと ACCN-e.pl、および、その説明のファイルのあるディレ クトリ（詳細はディレクトリ下の説明ファイルを参照 して下さい） 2.データの形式と使用法 ・テキストファイルの文字コードはEUCです。 ・各ファイルの形式、使用法については、使用説明書（manual-e.pdf、manual-j.pdf）を参照 してください。 ・タスク、文書、検索課題番号によって、対応する正解判定ファイルが異なります。組み 合わせを間違えないようにご留意ください。詳しくは図1、および使用説明書の5.2節と 図5-2を参照してください。 ============================================================================================== タスク 文書ファイル※1※2 検索課題（検索課題数） 正解判定 ※3 ============================================================================================== 単言語検索タスク J-Jタスク　 j-docs/ntc2-j1* topics/topic-j0101-0149 (49) rels/rel*_ntc2-j2_0101-0149 　　　　　　 ntc1-j1.mod ---------------------------------------------------------------------------------------------- E-Eタスク e-docs/ntc2-e1* topics/topic-e0101-0149 (49) rels/rel*_ntc2-e2_0101-0149 ntc1-e1.mod ============================================================================================== 言語横断検索タスク J-Eタスク　 j-docs/ntc2-e1* topics/topic-j0101-0149 (49) rels/rel*_ntc2-e2_0101-0149 ntc1-e1.mod ---------------------------------------------------------------------------------------------- E-Jタスク　 e-docs/ntc2-j1* topics/topic-e0101-0149 (49) rels/rel*_ntc2-j2_0101-0149 ntc1-j1.mod ---------------------------------------------------------------------------------------------- J-J,Eタスク j-docs/ntc2-j1* topics/topic-j0101-0149 (49) rels/rel*_ntc2-je2_0101-0149 　　　　　　e-docs/ntc2-e1* ntc1-j1.mod 　　　　　　 ntc1-e1.mod ---------------------------------------------------------------------------------------------- E-J,Eタスク j-docs/ntc2-j1* topics/topic-e0101-0149 (49) rels/rel*_ntc2-je2_0101-0149 　e-docs/ntc2-e1* 　ntc1-j1.mod 　ntc1-e1.mod ============================================================================================== ※1: 文書ファイルのntc2-j1*およびntc2-e1*の'*'は、'g'および'k'です。'g'は「学会発表データベース」から 抽出した文書、'k'は「科学研究費補助金研究成果概要データベース」から抽出した文書です。 ※2: ntc1-*1.mod はNTCIR-1の文書データ ntc1-*1のACCNを変換スクリプトACCN-*.plで変換したデー タです。（ntc1-*, ntc1-*.mod, ACCN-*.plの'*'は、'j'または'e'です。） ※3: 正解判定ファイルのrel*の'*'は、'1'または'2'です。'rel1_'で始まるファイル名は、正解レベル「Level 1」 （S判定とA判定のみを適合とした）の「正解ファイル」、'rel2_'で始まるファイル名は、「Level 2」）S 判定、A判定、およびB判定を適合とした）の「部分正解ファイル」です。 ============================================================================================== 図1検索タスク、文書、検索課題、正解判定の対応関係 （ファイル名は、direcotory/filename） ・テストコレクション２（NTCIR-2）の利用は、テストレコレクション２の使用許諾に関す る覚え書きの範囲でのみ可能です。 3.文書についてのご注意 このコレクションの元になった「学会発表データベース」と「科学研究費補助金研究成果 概要データベース」のレコードは、集められたまま、編集者や抄録作成者による編集や修 正をしないで、使用しています。研究者によって書かれた著者抄録または研究成果概要を 使用しており、抄録作成の専門家によって作成された抄録とは異なる内容構成のものもあ ります。また、データは可能な限りオリジナルに近い形を保つという基本方針のため、ま た、事実上、すべてのデータを手作業でチェックするのは不可能でもあるため、文書デー タには、「エラー」が含まれていることをご了承ください。「エラー」の中には、元のデー タに含まれていたもの、入力作業時に発生したもの、国立情報学研究所でフォーマットを 整える際に生じたもの、テストコレクション用にデータを抽出する際に生じたものなどが 含まれている可能性があります。NTCIRプロジェクト事務局でのエラーのチェックは、内容 の修正ではなく、開始タグと終了タグの対応、ACCN、タイトルなどの必須項目が含まれて いるかなどの形式面に重点をおいています。 また、NTCIR-2中の文書データは、情報検索や関連研究の研究目的使用のために、｢学会 発表データベース｣および「科学研究費補助金研究成果概要データベース」からその一部を 抽出したものであり、網羅性に欠けるため、情報を得るという目的で使用することはでき ません。 NTCIR-2を使用して生じたいかなる損失にも、NTCIRプロジェクト事務局および国立情 報学研究所は責任を負いません。あらかじめご了承ください。 4.問い合わせ先 NTCIR-2に関するお問い合わせは、下記にお願いいたします。 (1)CD-ROMの入手方法やCD-ROM利用者の発表論文の書誌事項の連絡など事務手続に関 して 国立情報学研究所 NTCIRプロジェクト事務局 Email: ntc-secretariat@nii.ac.jp 〒101-8430 東京都千代田区一ツ橋2-1-2 Phone 03-4212-2750（直通） Fax 03-3556-1916 (2)CD-ROMに含まれるデータの形式や利用方法など技術的なことに関して 国立情報学研究所 NTCIRプロジェクトグループ Email: ntcadm@nii.ac.jp 〒101-8430 東京都千代田区一ツ橋2-1-2 Phone 03-4212-2529（直通） Fax 03-3556-1916 担当：神門典子