文件名称：KPA_2021_shared_task:由IBM在EMNLP的ArgMining研讨会中主持的共享任务
文件大小：315KB
文件格式：ZIP
更新时间：2024-05-07 18:16:23
Python
定量总结–关键点分析共享任务 关键点分析（KPA）是一项新的NLP任务，与计算论证，观点分析和摘要有密切关系（ ； ）。 给定一个输入语料库，其中包括针对感兴趣主题的相对简短，有思想的文本的集合，KPA的目标是生成一个简短清单，列出输入语料库中最突出的关键点以及它们的相对流行程度。 因此，KPA的输出是类似项目符号的摘要，具有重要的定量角度和相关的定义明确的评估框架。 成功的KPA解决方案可用于从社交媒体，调查等中表达的公众意见中获得更好的见解，从而在决策者和人们之间建立一种可能受到决策影响的新形式的沟通渠道。 注意：所有参赛队都必须参加赛道1，而赛道2是可选的。 在赛道1上得分最高的10个球队之一，足以在赛道2上进行评估。 音轨1 –关键点匹配 给定一个有争议的主题，每种立场的要点集以及支持或竞争该主题的人群论点，请针对每个论点报告在相同立场下针对该主题的每个要点的匹配分数。 分会
【文件预览】：
KPA_2021_shared_task-main
----code()
--------track_1_kp_matching.py(3KB)
----requirements.txt(50B)
----LICENSE(11KB)
----README.md(12KB)
----kpm_data()
--------key_points_dev.csv(3KB)
--------labels_train.csv(402KB)
--------key_points_train.csv(20KB)
--------arguments_train.csv(876KB)
--------arguments_dev.csv(150KB)
--------labels_dev.csv(64KB)
--------readme.txt(1KB)
----CHANGELOG.md(83B)