文献

J-GLOBAL ID：202002248734037819   整理番号：20A2461803

CC-News-大英ニュースコーパス【JST・京大機械翻訳】

CC-News-En A Large English News Corpus

著者 (6件)： Mackenzie Joel (The University of Melbourne, Melbourne, Australia) ,  Benham Rodger (RMIT University, Melbourne, Australia) ,  Petri Matthias (Amazon Alexa, Manhattan Beach, CA, USA) ,  Trippas Johanne R. (The University of Melbourne, Melbourne, Australia) ,  Culpepper J. Shane (RMIT University, Melbourne, Australia) ,  Moffat Alistair (The University of Melbourne, Melbourne, Australia)
資料名： ACM Proceedings  (ACM Proceedings)
号： CIKM ’20  ページ： 3077-3084  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 多重言語で公開された国際ニュース記事の連続的クローラを含む,自由で公的に利用可能なWebアーカイブを提供する,コモンクローラーファウンドからのデータを用いて,静的,オープンアクセスニュースコーパスを記述した。導出したコーパス,CC-News-Enは,2016年9月~2018年3月に収集された4400万の英語文書を含む。収集は,大規模で分布した検索エンジンの単一ハードで典型的に見出される文書の数と同程度であり,オフライン情報検索実験で以前に使用されたニュース収集よりも4倍大きい。コーパスを補完するために,173のトピックスを,Redditスレッドからの標題を用いて整理し,583日収集窓にわたる関連ニューストピックの時間的に代表的なサンプリングを形成した。次に情報ニーズを自動要約ツールを用いて作成し,テキストとオーディオ表現を生成し,173のトピックスに対して収集した合計10,437の質問で,群衆者からのクエリー変動を引き出した。これらのうち,10,089は,それらの質問をタイピングしながら,労働者によって作られた文字挿入と欠失のタイミングを捉えるキーストロークレベル計装を含む。これらの新しい資源は,オフライン有効性実験を支援するための関連性判断の将来の追加と,従ってバッチ評価キャンペーンのために,大規模効率運動とクエリ自動完了合成を含む,多様な実験をサポートする。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 情報検索 ,  言語 ,  英語 ,  労働者 ,  多重化 ,  情報需要 ,  オーディオ機器 ,  *ニュース ,  有効性 ,  *コーパス ,  スレッド ,  検索エンジン
準シソーラス用語： クエリー ,  ニュース記事 ,  オフライン , 【Automatic Indexing@JST】

著者キーワード (5件)： 収集 ,  コーパス ,  クラウドソーシング ,  ニュース探索 ,  ユーザ質問変動

分類 (2件)： 自然語処理  (JE06000L) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (3件)： news ,  ニュース ,  コーパス