1. 本项目是基于上海大学语义智能实验室刘宗田教授、刘炜研究员及各硕士博士研究生所共同构建的中文突发事件语料库CEC-(Chinese Emergency Corpus),针对已标注的语料库中,采用LTP进行分词、词性标注、命名实体识别与依存句法分析等;对事件的要素进行规则挖掘,包括词性规则、命名实体规则、依存关系规则等。进而实现对突发事件类新闻报道的生语料进行自动化标注,添加对应的标签,并进行格式校验,存储为XML文件等。

  2. 开发环境(测试环境为Windows,不保证支持Unix/Linux环境)

    • Licence:Apache Licence Version2
    • Version:1.0.0
    • 项目编码设定:UTF-8
    • 开发工具:Eclipse 4.4 luna
    • 操作系统OS:Windows7 64bit
    • JDK version:Oracle JDK 1.8+ 64bit
    • 日志:log4j2.0
    • 单元测试:JUnit4.1.0
  3. 本项目开发及维护者:王旭(wangx89(at)126.com)

    • 开发时间:2014年-2015年
  4. 请将在LTP-cloud注册之后获取的api_key填入config.properties文件中,覆盖旧值即可; resources.synset中存放的是从CEC语料库中抽取的不同类型的触发词库,并且以一定的算法,经过同义词词林扩展版扩充之后的触发词库,denoter是包括所有类型的触发词的汇总表

  5. 使用方式,拷贝AutoAnnotation.jar到项目之中,拷贝conf目录到项目之中,使用方式参见example.edu.shu.auto.annotation.Demo.java

  6. CEC语料库及标注样例参见:https://github.com/shijiebei2009/CEC-Corpus