本项目用于存放论文：基于远程监督的人物属性抽取研究 的实验数据

CPAR (A Dataset for Chinese Person Attribute Recognition)/中文人物属性识别标注数据

本数据集包含12个属性：出生日期、 职业、 国籍、 民族、 毕业院校、 性别、 出生地、 逝世日期、 学位、 别名、 身高、 体重.

1. 出生日期：出生的日期

2. 别名：此人别称，又叫做

3. 国籍：国籍是指一个人属于某一个国家的国民或公民的法律资格，表明一个人同一个特定国家间的固定的法律联系，是国家行使属人管辖权和外交保护权的法律顾问依据

4. 职业：根据中国职业规划师协会的定义：职业=职能*行业，这样才能算是一个完整的职业。

5. 出生地：此人出生的地方

6. 民族：民族，指在文化、语言、历史与其他人群在客观上有所区分的一群人，是近代以来通过研究人类进化史及种族所形成的概念

7. 毕业院校：【毕业于】 此人的母校

8. 身高：人的高度，从头顶点至地面的垂距

9. 体重：人的重量，裸体或穿着已知重量的工作衣称量得到的身体重量

10. 学位：是标志一个人学历的头衔，即一个人通过学习取得学识及相应学习能力程度的标志，由国家授权的高等学校颁发。一般包括学士、硕士、博士三种

11. 性别：人的性别

12. 逝世日期:死亡日期

各个属性值域以及数据量如下所示

对于每个属性，都使用五折交叉验证的方法进行实验。数据按照8：1：1切分成train、dev、test

./README.md：本文件

./基于远程监督的人物属性抽取研究论文数据/：存放12个属性的标注数据

./基于远程监督的人物属性抽取研究论文数据/属性A/：存放属性A的标注切分数据

举例来说。./基于远程监督的人物属性抽取研究论文数据/出生日期/ 目录下的train1.txt、dev1.txt、test1.txt分别作为“出生日期”这一属性中第一折交叉验证的train、dev、test数据

实验结果采用识别准确率（P）、召回率（R）、和二者的调和平均F1值作为评价标准。对于每一属性，P指正确识别的属性占总计识别出的属性的百分比，R指正确识别的属性占测试集中所有属性的百分比，F1是P和R的调和均值，可以综合考量模型的性能。P（准确率）、R（召回率）、F1的计算方式如下所示：

P=(|A⋂G|)/(|A|)
R=(|A⋂G|)/(|G|)
F1=2PR/(P+R)

其中，|A| 代表识别出的属性值总数，|G| 代表标准集的属性值总数，|A⋂▒G| 代表识别出的属性与标准集完全匹配的属性值总数。

如果使用CPAR数据，请引用下列文献：

• 马进（待更新）