نسخه 1 رسمی مجموعه همشهری
توجه:
-
نسخه 1 رسمی مجموعه همشهری توسط برگزارکنندگان CLEF نگهداری و توزیع میشود. این مجموعه در CLEF2008 و CLEF2009 استفاده شده است و 100 پرسوجو دارد. علاقمندان برای دریافت این نسخه باید از طریق
این آدرس با
مسئولان CLEF تماس حاصل نمایند. با این وجود نسخه
1 غیر رسمی مجموعه همشهری در زیر قابل دانلود است.
لازم به ذکر است که اسناد مجموعه، پرسوجوها و داوری ارتباط پرسوجوهای
نسخه غیر رسمی، قابل مقایسه با نتایج اعلام شده در همایشهای CLEF نمیباشند.
-
نسخه 2 مجموعه همشهری در سال 1388 توسط سامانه UTIRE در گروه تحقیقاتی پایگاه داده دانشگاه تهران
و بر اساس استاندارد TREC تهیه شده است. مجموعه پرسوجوها و ارزیابی آنها
در زیر قابل دانلود است.
نسخه 1 غیررسمی مجموعه همشهری
توجه:
جهت اطلاع از آخرین تغییرات و به روزرسانیهای احتمالی خواهشمند است
این فرم را تکمیل کرده و به آدرس a.aleahmad(at)ece.ut.ac.ir ایمیل فرمایید
عنوان |
حجم |
توضیح |
دانلود |
اسناد مجموعه |
154 مگابایت |
کل اسناد مجموعه به صورت یک فایل برچسب خورده در قالب TREC در آمده است. در
صورت نیاز میتوانید به سادگی با پردازش برچسبها فایلها
را جدا نمایید. در این فایل متنی اسناد با برچسبهای DID (شماره
سند)، Date (تاریخ)، Category (طبقهبندی) مشخص شدهاند و
بلافاصله متن سند آمده است |
 |
سند نمونه |
2.5 کیلوبایت |
یک نمونه از فایلهای اسناد مجموعه |
 |
| رستهها |
4.2 کیلوبایت |
این فایل رستههای طبقهبندی اسناد مجموعه را نشان
میدهد |
|
| پرسوجوها |
10.7 کیلوبایت |
68 پرسوجو مخصوص مجموعه ساخته شده است |
|
| داوری ارتباط (Relevance Judgment) |
32.5 کیلوبایت |
68 پرسوجوی بالا طبق استاندارد TREC به صورت دستی مورد ارزیابی قرار گرفتهاند |
|
نسخه 2 مجموعه همشهری
توجه:
جهت استفاده از این مجموعه نیاز به کلمه عبور است که برای دریافت آن
این فرم را تکمیل کرده و به آدرس a.aleahmad(at)ece.ut.ac.ir ایمیل فرمایید
عنوان |
حجم |
توضیح |
دانلود |
اسناد مجموعه همشهری 2 و DTD مربوطه
|
399 مگابایت |
حاوی اسناد مجموعه در قالب CLEF به
صورت فشرده میباشد. اخبار هر روز در یک فایل XML قرار داده شده است که نام فایل متاثر از تاریخ اخبار میباشد. نام فایل با کلیدواژه HAM2 شروع شده و بعد از علامت "-" دو رقم اولی سال و دو رقم دوم ماه و دو رقم آخر روز میلادی را نشان میدهد. به عنوان مثال فایلی با عنوان
"HAM2-000102.xml" اخبار دوم ژانویه سال ۲۰۰۸ را در خود جای داده است. تاریخهای معادل شمسی در خود فایلها ذکر شدهاند. برای راهنمایی در مورد برچسبهای (tag) مورد استفاده زیر را ببینید. برای توضیحات بیشتر ردیف ٣ این جدول را ببینید. |
|
بسته HAM2-IMG |
1.93 گیگابایت |
این بسته حاوی تصاویر بکار رفته در
مجموعه میباشد. در بسته HAM2 تنها مسیر تصاویر ذکر شده است. لذا در صورتیکه به تصاویر نیاز دارید بسته HAM2-IMG را نیز دریافت نمایید. |
 |
| فایل راهنما |
221 کیلوبایت |
راهنمای مجموعه و توضیح برچسبهای مورد استفاده در آن. |
 |
| یک نمونه از فایلهای مجموعه |
139 کیلوبایت |
در صورتیکه مایل هستید این فایل را روی رایانه خود ذخیره نمایید لازم است فایل DTD مربوطه را نیز
از اینجا دانلود
کرده و در مسیر فایل قرار دهید.
|
|
| رستههای مورد استفاده برای طبقهبندی اسناد
مجموعه |
15.2 کیلوبایت |
عناوین دستهبندیهای انجام شده روی اسناد |
|
پرسوجوها |
7.71 کیلوبایت
|
50 پرسوجو مخصوص مجموعه با استفاده از سامانه UTIRE ساخته شده است.
این فایل حاوی پرسوجوها به دو زبان فارسی و انگلیسی میباشد. |
|
| داوری ارتباط (Relevance Judgment) |
485 کیلوبایت
|
50 پرسوجوی بالا طبق استاندارد TREC مورد ارزیابی قرار گرفتهاند. |
|
| لیست کلمات فارسی |
1.43 مگابایت |
لیست تمام کلمات فارسی مورد استفاده در پیکره همشهری ۲ به همراه
بسامد آنها. |
|
|
پیکره بدون برچسب همشهری دو |
295 مگابایت |
پیکره همشهری دو بصورت متنی خالص بدون برچسب. کدپیج فایل 1256 (عربی
استاندارد) میباشد. درصورتیکه کدپیج دیگری مورد نیاز است از
برنامه
مبدل کدپیج که در همین
صفحه قابل
دریافت است برای تولید پیکره استفاده
نمایید. |
|
| برنامه مبدل کدپیج |
3.53 کیلوبایت
|
برنامهای که پیکره همشهری ۲ را به متن خالص در یکی از کدپیجهای
Unicode ،Windows-1256 و یا UTF-8 تبدیل مینماید. برای اجرای این برنامه باید
Net Framework. نسخه 3.5 روی رایانه شما نصب شده باشد و پیکره همشهری ۲ را نیز دانلود و باز نموده باشید. |
|
