تشخیص موجودیت‌های نامدار متون فارسی

• معرفی		• قوانین
• کمیته فنی		• آرشیو لیگ
• نتایج

معرفی

هدف از این مسابقه رقابت میان تیم‌های مختلف شرکت کننده برای پیاده‌سازی یک سیستم تشخیص موجودیت‌های نامدار در متون فارسی می‌باشد. در زمان مسابقه مجموعه‌ای از متون فارسی مختلف در اختیار هر یک از شرکت کنندگان قرار داده می‌شود و هر تیم می‌بایست کلیه موجودیت‌های نامدار شناسایی شده در هر سند را گزارش نماید. تیم‌های شرکت کننده مجاز به استفاده از هر گونه داده آموزشی هستند. منابع آزمون ویکی پدیای فارسی و متون خبری فارسی خواهند بود.

ارزیابی

شرکت کنندگان در این مسابقه بر اساس تعداد تشخیص‌های درست و غلط ارزیابی خواهند شد. برای بررسی درستی خروجی سیستم، میانگین نتیجه نهایی سیستم بر مبنای معیار اف در سطح کلمه و در سطح عبارت معیار ارزیابی می‌باشد. پس از بررسی خروجی برنامه تیم‌ها و انتخاب تیم‌های برتر، تیم‌های برگزیده برای رتبه‌بندی نهایی از لحاظ الگوریتم به‌کار رفته نیز ارزیابی می‌شوند. برای این منظور الگوریتم به‌کار رفته توسط تیم‌های انتخاب شده در شرایط داده‌ای کاملاً مساوی مقایسه می‌گردد. به‌ این صورت که در محل مسابقات سیستم‌ها باید مدل خود را با استفاده از داده آموزش و اعتبارسنجی ارائه شده در مدت زمان مشخص آموزش دهند و سپس با داده آزمون محک بزنند. در این بخش چنانچه روش مورد استفاده نیاز به بردار تعبیه کلمات داشته باشند پیکره جهت ساخت بردار نیز در اختیار تیم‌ها قرار خواهد گرفت.

مشخصات داده

داده‌های ورودی مسابقه به‌صورت یک فایل متنی خواهد بود که هر سطر آن شامل یک واژه و برچسب آن است که با tab جدا شده‌اند. مرزبندی جملات در یک سطر مجزا و با عبارت <s> مشخص شده‌ است.

دادگان دارای چهار نوع موجودیت شخص، مکان، سازمان و تاریخ است. با در نظر گرفتن نوع برچسب‌زنی IOB دادگان تعداد ۹ نوع برچسب مختلف را شامل می‌شود که در جدول زیر آمده‌است.

تعریف فارسی برچسب	تعریف انگلیسی برچسب	برچسب
هیچ	out	o
اسم شخص	Person	b-PER i-PER
مکان	Location	b-LOC i-LOC
سازمان	Organization	b-ORG i-ORG
تاریخ	Date	b-DTE i-DTE