NLPCC2013评估任务_中文微博观点要素抽取

一. 文件格式 数据文件采用xml格式，UTF-16编码。 二. 标注数据 样例包含对科比和抗日神剧两个话题中部分微博的标注数据，各包含100条左右标注微博。 对于部分可能存在分歧的地方，解释如下： 关于观点句： 1. 带有"应该","希望”，“但愿”等仅表达个人愿望/意愿/希望等情感句、以及仅表达个人心情/自我感情的情感句，统一不作为观点句。例如“我很高兴”。“那个男孩应该受到应有的惩罚。”“必须 判处死刑！”“气死我了！” 2. 对于反问句等特殊情形，只要表达了明显观点的，无论评价对象是否省略，都算观点句。 3. 对于句子的倾向性，综合考虑该句子包含各个观点的倾向性，但对于无法明确归为正面或负面的，直接归为“其他”类别。 关于对象标注： 1.对于事件中标注粒度问题，按细粒度标注。 2.对象本身不能为情感表达。 3.情感对象应首先从当前句子中抽取，如果情感对象不存在于当前句子中，再从整条微博中抽取。对于第二种情况，应优先从当前句子的前一句（包括句子中包含的hashtag）开始依次向前寻找情感对象，如果没有再从当前句子的后一句（包括句子中包含的hashtag）开始依次往后寻找。对于那些整条微博中都没有出现的情感对象(有些情况情感对象是隐含的)的观点句，可以不标注。 4.一个句子中，可以出现多个情感对象，应抽取出每个情感片段所对应的情感对象。 5.抽取情感对象时，要求抽取出尽可能完整和明确的对象。 6.对于人称代词（你，我，他，它，你们，我们，他们，它们等）单独作为情感对象出现时，需要在该微博范围内（不包括转发、评论信息）尽量进行指代消解（无法指代消解的情况可以采用这些代词作为对象）。例如，“小明就读于北京大学，他是名优秀的学生。”情感对象是“小明”而不能是“他”。 7.对于比较句中的情感对象，如“我喜欢科比，科比打球比詹姆斯帅多了”，我们标注时考虑上下文信息，优先标注微博强调的情感对象，这里后一句的情感对象会标注“科比”。 三. 标注数据格式 每条句子的所有标注信息都包含在<sentence>元素的属性中。其中opinionated表示是否观点句，polarity表示句子情感倾向，targer_word_1、target_begin_1、target_end_1、target_polarity_1分别表示第一个情感对象的词、起始位置、终止位置和极性。如果有多个target，则依次表示为targer_word_1、targer_word_2、targer_word_3…… 四. 参赛队伍可以使用上届评测的数据(http://tcci.ccf.org.cn/conference/2012/pages/page04_eva.html)。