理解词义消歧数据集格式

Question

我正在尝试使用众所周知的 WSD 数据集（SemEval、SensEval）评估 WSD 模型。但是我不明白金钥匙文本文件的格式。

seneval3.gold.key.txt

d000.s000.t000 man%1:18:00::
d000.s000.t001 say%2:32:01::
d000.s001.t000 peer%2:39:00::
d000.s001.t001 companion%1:18:00::
d000.s001.t002 bleary%5:00:00:indistinct:00
d000.s001.t003 eye%1:08:00::
d000.s002.t000 have%2:40:00::
d000.s002.t001 ready%5:00:01:available:00
d000.s002.t002 answer%1:04:00::
d000.s002.t003 much%3:00:00::
d000.s002.t004 surprise%1:12:00::
d000.s002.t005 fit%1:26:00::
d000.s002.t006 coughing%1:26:00::
d000.s003.t000 man%1:18:00::
d000.s003.t001 drunk%3:00:00::
d000.s003.t002 crazy%5:00:00:insane:00
d000.s004.t000 newfound%5:00:00:new:00

我知道在第一行d000.s000.t000通过查看数据文件谈论文档#0 句子#0 标记#0。

senseval3.data.xml

<sentence id="d000.s000">
    <wf lemma="that" pos="DET">That</wf>
    <wf lemma="&apos;" pos="VERB">&apos;s</wf>
    <wf lemma="what" pos="PRON">what</wf>
    <wf lemma="the" pos="DET">the</wf>
    <instance id="d000.s000.t000" lemma="man" pos="NOUN">man</instance>
    <wf lemma="have" pos="VERB">had</wf>
    <instance id="d000.s000.t001" lemma="say" pos="VERB">said</instance>
    <wf lemma="." pos=".">.</wf>
</sentence>

但是我不知道%后面是什么意思，比如1:18:00:: for lemma man.

Answer 1

此答案是根据对此 SO post 的评论撰写的。

%后面的数列就是lex_index。 Lex索引组成如下。

ss_type:lex_filenum:lex_id:head_word:head_id

更多信息在 WordNet documentation。

理解词义消歧数据集格式

Understand the word sense disambiguation data set format

dataset

word-sense-disambiguation