NTCIRテストコレクション

国立情報学研究所が主催するNTCIRプロジェクトにより構築されたテストコレクションです。

2011/01/06 現在

NTCIR-8 CQA テストコレクション

1. 概要
   このテストコレクションは，CQAサイトにおける回答の品質を評価するために利用可能です。
   このテストコレクションは，以下のデータからなります。
   
   • Yahoo知恵袋データ第一弾から抽出した1500件の質問
   • 判定者4名による判定結果
   • IDリスト，ベストアンサーリスト，カテゴリ情報など
   テストコレクションについてはNTCIR-8 CQAのページをご覧ください。
2. 入手方法
   本データは必ず「Yahoo!知恵袋」データと併せてご利用頂くことになります。入手方法については「Yahoo!知恵袋」データのページをご覧ください。
   

NTCIR WEBテストコレクション

1. 文書データ （入手方法についてはしばらくお待ち下さい）
   Webから収集した大量のHTML及びプレーンテキストファイルを含むデータです。言語は主に日本語と英語ですが，ごく一部にその他の言語を含んでいます。
   1. NW100G-01 （NTCIR-3 WEB, NTCIR-4 WEB用）
      2001年に収集した，文書数約1100万ページ，容量約100GBのWeb文書データです。収集サイト名，文書URL，リンク等のリストファイルと，ローデータ，EUCコードデータ，テキストデータ等の文書ファイルがあります。データの詳細についてはNTCIR Project NTCIR-4 WEB（Web検索評価用テストコレクション）をご覧下さい。
   2. NW1000G-04 （NTCIR-5 WEB用）
      2004～2005年に収集した，文書数約1億ページ，容量約1.4TBのWeb文書データです。収集サイト名，文書URL，リンク，アンカーテキストのリストファイルと，ローデータ，EUCコードデータ，テキストデータ，形態素解析済みデータの文書ファイルがあります。詳細はNTCIR Project NTCIR-5 WEB（Web検索評価用テストコレクション）をご覧下さい。
   
   
2. 検索課題・適合判定データ （入手方法についてはしばらくお待ち下さい）
   1. NTCIR-3 WEB用
      メインタスクと音声入力型検索サブタスクがあります。文書データには，NTCIR WEB文書データ NW100G-01を使用します。詳細はNTCIR Project テストコレクション利用手続き・覚書（研究目的用）をご覧下さい。
   2. NTCIR-4 WEB用
      情報指向検索タスクとナビゲーション指向情報検索タスクがあります。文書データには，NTCIR WEB文書データ NW100G-01を使用します。詳細はNTCIR Project NTCIR-4 WEB（Web検索評価用テストコレクション） データ利用手続き（研究目的用）をご覧下さい。
   3. NTCIR-5 WEB用
      ナビゲーション指向情報検索タスクです。文書データには，NTCIR WEB文書データ NW1000G-04を使用します。詳細はNTCIR Project NTCIR-5 WEB（Web検索評価用テストコレクション） データ利用手続き（研究目的用）をご覧下さい。

その他のNTCIRから提供中のデータ

14種類のタスクの，27種類のテストコレクションをNTCIR事務局から提供中です。詳細についてはテストコレクション一覧をご覧下さい。