biographies:从维基百科摘录的传记工具

维基百科是人类历史上最大的百科全书数据集。 由于它的覆盖范围和以机器可读格式的可用性，它已成为历史和文化研究中大规模研究的主要资源。 在这项工作中，我们专注于描述人的页面子集，并研究从中识别人物传记部分的任务：给定一个人的页面，我们确定存在有关他/他的生活信息的部分列表。 我们将此模型建模为序列分类问题，并提出一个监督设置，在该设置中自动获取训练数据。 此外，我们显示仅从章节标题中提取的六个简单特征非常有用，并且在良好的基线之上也能产生良好的结果。 在这个GitHub项目中，您将找到用于运行实验的材料和源代码。 例如页面的培训/开发/测试集， 培训数据，分类结果和注释协议。 要编译项目的源代码，只需使用git克隆它，然后从外壳mvn package运行mvn package 。 该软件是根据GPLv3许可证发行的。