|
第9回NTCIRワークショップ
デ-タ
[English]
NTCIR-9 Test Collections: Documents
NTCIR-9ワークショップで使用される文書は以下の通りです。ワークショップに参加する研究グループはNTCIR-9のタスクへの参加とNTCIR-9ワークショップ内でのシステム評価目的で、これらのデータを利用可能です(注1)。データの入手には、
テストコレクション利用許諾に関する覚書 に記名押印の上、NTCIR事務局までご送付下さい。
*1: NIIから配布されるテストコレクションおよびデータは、全て無料です。他機関から配布される一部データにつきましては、費用負担が必要となる場合がございます。
|CrossLink|GeoTime|INTENT|PatentMT|RITE|SpokenDoc|VisEX|
|
タスク |
サブタスク |
データ |
データ種類 |
ジャンル/タスク |
言語 |
ファイル名 |
配布予定日 |
文書数/トピック数
(サイズ) |
年度 |
core |
GeoTime |
文書データ |
新聞記事 |
E |
New York Times |
ready to use**a
|
315,417
*B |
02-05 |
Xinhua English |
ready to use**a |
406,792 |
98-01 |
Mainichi Daily |
Jan 05, 2011 |
24,878 |
98-01 |
Korea Times |
Jan 05, 2011 |
50,129 |
98-01 |
J |
Mainichi |
Jan 05, 2011 |
797,700 |
98-05 |
K |
Hankookilbo 1998-2001 |
Jan 05, 2011 |
235,171 |
98-01 |
Chosenilbo |
Jan 05, 2011 |
239,641 |
98-01 |
タスクデータ |
IR |
JE |
NTCIR-9 GeoTime タスクデータ |
- |
- |
- |
タスクデータ (システム訓練用) |
IR |
JE |
NTCIR-8 GeoTime タスクデータ |
- |
- |
- |
INTENT |
文書データ |
Web |
Cs |
SogouT |
ready to use
**b |
ca.130M pages
(ca. 5TB) |
crawled and released on Nov 2008 |
SogouQ |
ready to use
**b |
- |
collected in 2008
(consistent with SogouT) |
J |
ClueWeb09 |
ready to use
**c |
ca. 67M Japanese pages
*A |
crawled during Jan and Feb 2009 |
タスクデータ |
subtopic mining |
CsJ |
NTCIR-9 INTENT タスクデータ |
Jun/Jul, 2011 |
100 Topics for each language |
- |
document ranking |
CsJ |
- |
タスクデータ |
One Click Access |
J |
NTCIR-9 1Click タスクデータ |
Jun/Jul, 2011 |
60 Topics |
- |
SpokenDoc |
文書データ |
spoken documents |
J |
日本語話し言葉コーパス |
ready to use
**d |
- |
- |
タスクデータ |
Spoken Term Detection |
NTCIR-9 SpokenDoc タスクデータ |
- |
- |
- |
Spoken Document Retrieval |
- |
- |
- |
RITE |
文書データ |
新聞記事 |
Cs |
Xinhua Chinese |
ready to use**a |
604,720 |
98-05 |
Ct |
UDN2002-2005 |
- |
1,663,517 |
02-05 |
CIRB020( United Daily News, Economic Daily News, Min Sheng Daily, United
Evening News, Star News) |
- |
249,508 |
98-99 |
CIRB040r( United Daily News, United Express, Ming Hseng News, Economic
Daily News) |
- |
901,446 |
00-01 |
J |
Mainichi |
- |
797,700 |
98-05 |
タスクデータ |
Binary classification |
Cs
Ct
J |
NTCIR-9 RITE タスクデータ |
- |
- |
- |
Multi-class classification |
- |
- |
- |
RITE4QA |
- |
- |
- |
Pilot |
CrossLink |
文書データ |
Web
(Wikipedia) |
C |
Chinese Wikipedia |
Jan 05, 2011 |
285,624
(1.9GB) |
Jun 27, 2010 |
J |
Japanese Wikipedia |
Jan 05, 2011 |
716,088
(6.1GB) |
Jun 24, 2010 |
K |
Korean Wikipedia |
Jan 05, 2011 |
201,596
( 1.2GB) |
Jun 28, 2010 |
タスクデータ |
Cross-lingual link discovery |
E |
NTCIR-9 CrossLink タスクデータ |
Jan 05, 2011 |
Two sets of 25
articles chosen from English Wikipedia |
- |
Vis-EX |
文書データ |
新聞記事IE/
analysis |
E |
Xinhua English |
ready to use**a |
409,792 |
98-01 |
J |
Mainichi |
Jan 05, 2011 |
419,759
(535MB) |
98-01 |
タスクデータ |
EJ |
NTCIR-9 Vis-EXデータセット |
- |
- |
- |
NTCIR-8 ACLIA
IR/QAデータ |
Jan 05, 2011 |
- |
- |
NTCIR-7 MuST データセット |
Jan 05, 2011 |
701
(2.9MB) |
98-01 |
PatentMT |
C to E |
タスクデータ |
Patent Translation |
C |
NTCIR-9 PatentMT テストデータ |
May 9, 2011
**e |
- |
06-07 |
E |
NTCIR-9 PatentMT 参照訳データ |
-
**e |
- |
06-07 |
文書データ (システム訓練用) |
patent full |
E |
Patent grant data published from USPTO |
Jan 05, 2011 |
- |
93-05 |
タスクデータ (システム訓練用) |
Patent Translation |
C-E |
NTCIR-9 PatentMT 中英対訳コーパス |
Jan 05, 2011
**e |
- |
- |
NTCIR-9 PatentMT 中英対訳開発データ |
Jan 05, 2011
**e |
- |
- |
E to J
|
タスクデータ |
Patent Translation |
E |
NTCIR-9 PatentMT テストデータ |
May 9, 2011 |
- |
06-07 |
J |
NTCIR-9 PatentMT 参照訳データ |
- |
- |
06-07 |
文書データ (システム訓練用) |
patent full |
J |
Publication of unexamined patent applications
|
Jan 05, 2011 |
- |
93-05 |
タスクデータ
(システム訓練用) |
Patent Translation |
J-E |
NTCIR-9 PatentMT 日英対訳コーパス |
Jan 05, 2011 |
- |
- |
NTCIR-9 PatentMT 日英対訳開発データ |
J to E
|
タスクデータ |
Patent Translation |
J |
NTCIR-9 PatentMT テストデータ |
May 9, 2011 |
- |
06-07 |
E |
NTCIR-9 PatentMT 参照訳データ |
- |
- |
06-07 |
文書データ (システム訓練用) |
patent full |
E |
Patent grant data published from USPTO |
Jan 05, 2011 |
- |
93-05 |
タスクデータ
(システム訓練用) |
Patent Translation |
J-E |
NTCIR-9 PatentMT 日英対訳コーパス |
Jan 05, 2011 |
- |
- |
NTCIR-9 PatentMT 日英対訳開発データ |
[Return to top]
*A: ClueWeb09 コレクション全体は、ウェブページ約10億件から構成されています。
*B: 2003.02-2004.05発行分のデータについては、文書数が少なくなっています。2004.06発行分については、データが存在しません。
1: タスクデータの詳細につきましては、各タスクのWebページをご覧ください。
2: **のついたデータにつきましては、他のデータと入手方法等が異なります。
**a: ワークショップ参加者は、専用の覚書をLDCに送付することにより、LDCからデータが提供されます。
**b: Sogou labs から、研究目的利用に限定してデータが提供されています。利用許諾については、こちらのページをご覧ください:
http://www.sogou.com/labs/dl/license.html (中国語のみ)
**c:Carnegie Mellon Universityから、研究目的利用に限定してデータが提供されています。利用許諾については、こちらのページをご覧ください:
http://boston.lti.cs.cmu.edu/Data/clueweb09/.
**d: 国立国語研究所から、研究目的利用でデータを入手することが可能です(有料)。利用契約の詳細につきましては、こちらのページをご覧ください。http://www.kokken.go.jp/katsudo/seika/corpus/releaseinfo/020/
**e: ワークショップ参加者は、専用の覚書をThe Hong Kong Institute of Education (HKIED) に送付することにより、HKIEDからデータが提供されます。
利用許諾については、こちらのページをご覧ください。
http://research.nii.ac.jp/ntcir/ntcir-9/ntcir9cepc-patmt.html
3: これらの文書データはワークショップの課題遂行および課題に関する研究目的にのみ利用できるものであり、情報を得る目的で利用できるものではありません。
[Return to top]
Last Modified:2011.06.26
|