SpaCE2022中文空间语义理解评测数据清洗工作指南
任务简介
1. SpaCE2022课题组通过计算机程序收集了大量自然文本语料，用途是进行句子空间方位语义理解研究。空间方位语义指句中有关于实体在物理空间中的方位信息，包括静态的方位信息和动态的方位信息，前者如“会议室里有一张大桌子”；后者如“他们把会议室的大桌子搬出去了”。请注意： （1）这里的“物理空间”是日常生活中可以观察、可以感知的的客观的几何空间，如“操场上、会议室里、大桥下”等。不包括比较主观的抽象空间，如“印象中”、“概念中”等。 （2）除典型的“物理空间”外，还有一些“信息空间”，比如“微信中”、“名单里”、“信里”等，一般也有可观察、可感知的客观的“物理载体”，因此这类信息空间也属于本课题关注的空间方位信息。
2. 收集到的自然文本语料已经过计算机程序自动分词和词性标注处理，并对方位词、趋向动词、处所词 进行了高亮显示（名词不再高亮）。方位词、处所词都可表示方向或位置，趋向动词表示位置的移动。下表是三个词类的释义和举例。
| 词类 | 释义 | 例子 |
|---|---|---|
| 方位词 | 方位词表示带有参照点的方向或相对位置关系，如“上”、“下”、“左”、“右”、“前”、“后”、“旁”等。方位词表示的相对位置既可以是空间也可以是时间，本文仅关注方位词表达的空间语义。 | “桌子上面”、“大树下”中的“上”、“下”是方位词，表示空间；“春节前”中的“前”是方位词，表示时间。 |
| 趋向动词 | 趋向动词是表达趋向意义的动词，趋向指相对于某个参照点的位置移动，如“来”、“去”、“进”、“出”、“回”、“进来”、“出去”、“出来”等。 | “去上海”、“下乡去”、“回家”、“进屋”、“把子弹从身体中取出来”中的“去”、“回”、“进”、“出来”是趋向动词，表示位置移动。趋向动词不表示位移义的例子：“他看上去很疲惫。”“两轮谈判下来，大家都筋疲力尽。”中的“上去”“下来”已彻底虚化，不表实际位移。 |
| 处所词 | 处所词表示空间位置，可用“哪里”提问，可做“在”的宾语。 | “在民间”、“在远处”中的“民间”和“远处”属于处所词。 |
| 问题范围/焦点 | 问题描述 | 标注时对应的选项（按钮） | 标注方式 |
|---|---|---|---|
| 整段 | 无空间方位义、复杂难懂、句段不完整 | 该段落不表达空间方位义/复杂难懂/不完整 | 归类 |
| 整段 | 字、词、符号错误 | 该段落存在错别字以及符号错误 | 标识+归类+修改 |
| 方位词 | 并不表达空间方位义 | 红色词（方位词）不表达空间方位义 | 标识+归类 |
| 趋向动词 | 并不表达空间方位义 | 橙色词（趋向动词）不是表达空间方位义的趋向动词 | 标识+归类 |
| 句段中高亮的方位词、趋向动词、处所词 | 高亮的方位词、趋向动词、处所词存在分词错误(不考虑词性标注错误) | 高亮词存在分词错误 | 标识+归类 |
语料来源
语料来源于多个领域，有普通日常语言的文本，还有专业领域的文本，比如体育领域人体动作类语料、地理百科类语料等。
选项说明
选项1： 该段落不表达空间方位义/复杂难懂/不完整：仅需做“归类”操作。请注意：冒号结尾的句子，如果冒号前的句义完整，则不属于“不完整”。
示例1 由谁去充任那些苦难的角色？又有谁去体现这世间的幸福，骄傲和快乐？只好听凭偶然，是没有道理好讲的。
【句子整体无空间方位义。标注者应选择“ 该段落不表达空间方位义/复杂难懂/不完整”。】
示例2 在双臂快速向下摆动的同时身体跳起。单脚落地支撑，
【句尾处是逗号“，”，整个句子意思不完整。标注者应选择“ 该段落不表达空间方位义/复杂难懂/不完整”。】
选项2： 该段落存在错别字以及符号错误：需做“标识+归类+修改”操作
示例3 我们沿者小路散步到井房，房顶上盛开的金银花芬芳扑鼻。莎莉文老师把我的一只手放在喷水口下，一股清凉的水在我手上流过。
【句中红色高亮词“沿者”是“沿着”之误。标注者应用鼠标选中“沿者”，点选“该段落存在错别字以及符号错误”，在弹出的文本框内修改为“沿着”。】
示例4 在双臂快速向下摆动的同时身体跳起。单脚落地支撑，呈稳定的单腿运动姿，注意膝盖不要超过脚尖）并保持身体稳定。
【句中标红的标点符号“）”错误。标注者应用鼠标选中“脚尖）并”，点选“该段落存在错别字以及符号错误”，在弹出的文本框内修改为“脚尖并”。】
示例5 在双臂快速向下摆动的同时身体跳起。单脚落地支撑，呈稳定的单腿运动姿，注意膝盖不要超过脚尖并保持身体稳定
【此句语义是完整的，但句尾缺少句号。标注者应用鼠标选中“稳定”，点选“该段落存在错别字以及符号错误”，在弹出的文本框内，在”稳定“后添加一个句号，即修改为“稳定。”】
示例6 发展简史安徽最古的文化属距今约4000多年的龙山文化。此后，由于淮河流域毗邻当时经济、文化比较先进的中原地区，开发较早。《左传》记载“禹会诸侯于涂山，执玉帛者万国”。涂山就在今怀远县。春秋、战国时代（公元前770～前221），省境中、西部属于楚国领域，寿春（今寿县）曾为楚国国都。
【此句语义是完整的，在地理百科类文本，有小标题嵌入文段的情况，例如“发展简史安徽”可将其改成“发展简史：安徽”。应用鼠标选中“发展简史安徽”，点选“该段落存在错别字以及符号错误”，在弹出的文本框内，修改为“发展简史：安徽”】
选项3： 红色词（方位词）不表达空间方位义：需做“标识+归类”操作
示例7 1563年制定的英国《学徒法》中有这样的规定：“所有的工匠和工人，在3月中旬至9月中旬的期间内，早上应于时钟显示5点或5点前上岗。
【句中红色高亮词“前”，在此处表达时间概念，并不是表示空间方位义。标注者应用鼠标选中“前”，然后点选“红色词（方位词）不表达空间方位义”。】
示例8 仰卧，整个身体在放松的状态下躺在地面或垫子上，目视上方，双手放在身体两侧，自然摆放。
【句中红色高亮词“下”，在此处不表示空间方位义。标注者应用鼠标选中“下”，然后点选“红色词（方位词）不表达空间方位义”。】
选项4： 橙色词（趋向动词）不是表达空间方位义的趋向动词：需做“标识+归类”操作
示例9 我常梦想着在人间彻底消灭残疾，但可以相信，那时将由患病者代替残疾人去承担同样的苦难。
【句中橙色高亮词“去”不是表达空间方位义的趋向动词。标注者应用鼠标选中“去”，然后点选“橙色词（趋向动词）不是表达空间方位义的趋向动词”。】
示例10 清晨，我去公园玩，一进门就闻到一阵清香。我赶紧往荷花池边跑去。
【请注意：这里的趋向动词“去”表达空间方位义。此句不应归入“橙色词（趋向动词）不是表达空间方位义的趋向动词”。标注者应选择“无上述问题”。】
选项5： 高亮词存在分词错误（分词错误指的是把不是词的单位误识为词）：需做“标识+归类”操作。请注意：名词不再高亮，即名词的分词错误不再标注。
1.句中红色高亮方位词存在分词错误
示例11
示例12
【句中红色方框内高亮的“前右脚”属于切分错误。标注者应用鼠标选中“前右脚”，然e="font-family:楷体">我平安地上了岸，踽踽地走着，偶然把头回过去，只看见一个微弱的灯光，一高一低地向着东方走去。
【句中红色高亮词“地上”是分词错误。标注者应用鼠标选中“地上”，然后点选“高亮词存在分词错误”。】
示例13
【句子红色方框内高亮词“门锁上”是分词错误。标注者应用鼠标选中“门锁上”，然后点选“高亮词存在分词错误”。】
2.句中绿色高亮处所词存在分词错误
示例14
【句中绿色高亮词“天上”是分词错误。标注者应用鼠标选中“天上”，然后点选“高亮词存在分词错误”。】
示例15 有一天，天气很冷，我和一位同事站在公司大门前谈话。
【句中绿色高亮词“门前”是分词错误。标注者应用鼠标选中“门前”，然后点选“高亮词存在分词错误”。】
示例16 有一天，天气很冷，我和一位同事站在公司门前谈话。
【请注意：此句中“门前”被视作为一个词，不是分词错误。“门前”可以合在一起作为处所词（用绿色高亮），也可以分开成为“名词+方位词”组合，分别用蓝色和红色高亮为“门前”。两种处理方式均可。不需要归入“高亮词存在分词错误”。此句应点选“无上述问题”。】
选项6： 无上述问题
示例17
【该段落是正常的含有空间方位义的文本】
注意事项
1. 一个语段可能存在多个问题，或一个问题出现多次，所有问题均需标注。标注一个问题之后，如发现还有新的问题，可点击“继续增加标注”按钮来标注新的问题。
示例18
【此句中存在多个错误，“门锁上”存在分词错误，“月匙”为“钥匙”之误。标注者应在第一步标注了“门锁上”的错误后，点击按钮“继续增加标注”，然后用鼠标选中“月匙”，修改为“钥匙”。】
2. 如果选择了选项1“无空间方位义、复杂难懂、句段不完整”或者选项5 “无上述问题”，则这个句段标注完成，可以不用考虑其他选项。
3. 本课题收集语料目的仅为研究之用，为避免在计算机自动处理过程中产生不当信息内容，若句子政治性很强，比如涉及国家大政方针、党的理论，国家领导人等信息；或有国家法律法规不允许传播的内容，比如色情内容，涉恐信息等，就归入整句无空间方位义。不再进入后续标注流程。
标注工具使用说明
step1： 用户登录网站 点击网址
step2： 输入 姓名 和 密码 。
step3： 点击「开始标注」按钮，进入标注页面。
step4：根据当前句子情况，点击「该段落不表达空间方位义/复杂难懂/不完整」 、「该段落存在错别字以及符号错误」、「红色词（方位词)不表达空间方位义」、「橙色词（趋向动词)不是表达空间方位义的趋向动词」 、「高亮词存在分词错误」、 「无上述问题」6个按钮中的一个进行标注。标注完成后点击「保存并继续」，直至标完事先分配好的任务，界面就会提示 「没有下一条了」。
Tips
标注工具仅支持电脑端chrome、firefox浏览器。
如有任何问题，请联系小组长。
文档最近更新时间：2022-04-03
北京大学SpaCE2022评测任务课题组
本项目得到国家科技创新2030“新一代人工智能”重大项目——“以自然语言为核心的语义理解理论、模型与方法”（项目号：2020AAA0106701）支持。