ＣＲＬ固有表現データ

                                                1999/2/14

概要
----

毎日新聞95年1月1日から10日までの全記事，約1万文に対して、固有表現を
タグ付けしたデータです。固有表現はIREXにおいて定義されている物であ
り、実際にこのデータを作成したIREX NE定義ファイルのバージョンは
990214です。IREXについては、

http://cs.nyu.edu/cs/projects/proteus/irex

を参照してください。


注意点
------

配布するのは固有表現の付加情報だけで，もとの毎日新聞データは含まれ
ていません．コーパス本来の形に変換するには毎日新聞95年版CD-ROMが必
要です．毎日新聞CD-ROMの入手方法については言語処理学会のホームペー
ジ：

http://www.kyutech.ac.jp/nlp/

に情報があります．


配布リソースの構成
------------------

        README : このファイル
        auto_conv : データ変換プログラム
        dat/ : CRL_NE_DATA.idxという名のファイルがあり，auto_conv
               によってCRL_NE_DATA.sgmlというファイルが作成される。
        doc/ : 種々のドキュメントがある
        src/ : データ変換プログラムがある


データの変換
------------

配布するのは固有表現情報だけで，もとの毎日新聞データは含ま
れていません．コーパス本来の形に変換するには

        ・毎日新聞95年版CD-ROM
        ・nkf (漢字コード変換プログラム)
        ・jperl ver5
        ・IREX teaプログラム

が必要です．変換手順は以下のとおりです．

        ・毎日新聞95年版CD-ROMをマウントする
        ・マウントしたディレクトリの位置、IREXリソースファイルの
          トップディレクトリをauto_convで設定する
                (変数 CDROM_DIR、IREX_ROOT)
        ・jperl(ver5)のパスが /usr/local/bin/jperl でない場合は，src
                の下の各プログラムファイルの先頭行の指定を変更する
        ・配布のトップディレクトリ(このREADMEのある場所)でauto_convを
                実行する

これらはUNIXシステム上での変換を想定しています．他のシステムの場合の
問題点や解決策がありましたら，情報をお寄せ下さい．


謝辞
----

ファイル変換プログラムは京都大学の黒橋さんの御好意により、京都大学
テキストコーパスの配布リソースに含まれているプログラムを流用させて
いただいております。記事や文章の選択は京都大学テキストコーパスに
従っています。


質問、意見
----------

このデータに関する質問、意見は以下にお願いします。

    井佐原均    isahara@crl.go.jp
    関根聡      sekine@cs.nyu.edu