DAYSTREAM Annotierter Textkorpus von Verkehrsmeldungen

Der DAYSTREAM Korpus ist ein Datensatz von 3541 Verkehrsmeldungen, in denen Eigennamen (z.B. Straßen, Linien, Haltestellen), deren Referenzids (z.B. DHID, DLID, OSM-IDs), sowie Relationen (z.B. Stau, Unfall, Schienenersatzverkehr) manuell annotiert sind. Der Datensatz kann als Trainings- bzw. Testkorpus für Informationsextraktionsaufgaben wie Eigennamenerkennung, Entity Linking und Relationsextraktion genutzt werden. Datensatzstatistiken: <table> <tr> <th></th> <th style="text-align:left">Twitter</th> <th style="text-align:left">RSS</th> <th style="text-align:left">Total</th> </tr> <tr> <td>docs</td> <td>2825</td> <td>716</td> <td>3541</td> </tr> <tr> <td>tokens</td> <td>69188</td> <td>34630</td> <td>103818</td> </tr> <tr> <td>entities</td> <td>15280</td> <td>8112</td> <td>23392</td> </tr> <tr> <td>relations</td> <td>365</td> <td>427</td> <td>792</td> </tr> <tr> <td>docs with annotated relations</td> <td>305</td> <td>338</td> <td>643</td> </tr> <tr> <td>linked entities (org|loc)</td> <td>5138</td> <td>3331</td> <td>8469</td> </tr> <tr> <td>NIL entities</td> <td>4764</td> <td>1698</td> <td>6462</td> </tr> </table> Der DAYSTREAM Korpus wird unter der <a href="https://creativecommons.org/licenses/by/4.0/">CC-BY 4.0</a> Lizenz veröffentlicht. Wenn Sie diese Daten verwenden, sollten Sie folgende Publikation zitieren: A German Corpus for Fine-Grained Named Entity Recognition and Relation Extraction of Traffic and Industry Events. Martin Schiersch, Veselina Mironova, Maximilian Schmitt, Philippe Thomas, Aleksandra Gabryszak, Leonhard Hennig. Proceedings of LREC, 2018. Weiterführende Informationen und Details: <a href="https://github.com/DFKI-NLP/daystream-corpus/">https://github.com/DFKI-NLP/daystream-corpus/</a>