CADEL：日本のエンティティリンキングのための行政ウェブ文書コーパス

Abstract

エンティティリンキングとは、言語表現を、現実世界の実体や概念を表す知識ベース上のエントリに対応付ける作業である。このタスクのための言語リソースは主に英語向けに開発されてきた一方で、日本語システムを評価するために利用可能なリソースは限られている。本研究では、エンティティリンキングのためのコーパス設計方針を開発し、日本に固有の実体を指す豊富な言語表現をカバーする、日本語のエンティティリンキングシステムの学習および評価のための注釈付きコーパスを構築する。アノテータ間一致度の評価により、コーパス中の注釈の高い一貫性が確認され、文字列マッチングに基づくエンティティの識別を行った予備実験から、このコーパスには実質的に手のかかる（単純ではない）事例がかなりの数含まれていることが示唆され、評価ベンチマークとしての有用性が裏付けられる。