تختلف مجموعة بيانات NLPCC2016 عن مجموعات بيانات الأخبار الشائعة وتستخدم نصًا غير رسمي من Sina Weibo. تتكون بيانات التدريب والاختبار من مدونات صغيرة من مواضيع مختلفة، مثل التمويل والرياضة والترفيه وما إلى ذلك. تم ترميز مجموعة البيانات هذه بتنسيق UTF-8 ويمكن استخدامها لمهام تقسيم الكلمات الصينية.

الاستشهاد

@InProceedings{qiu2016overview,
Title                    = {Overview of the {NLPCC-ICCPOL} 2016 Shared Task: Chinese Word Segmentation for Micro-blog Texts},
Author                   = {Xipeng Qiu and Peng Qian and Zhan Shi},
Booktitle                = {Proceedings of The Fifth Conference on Natural Language Processing and Chinese Computing \& The Twenty Fourth
International Conference on Computer Processing of Oriental Languages},
Year                     = {2016}
}