L'ensemble de données NLPCC2016 est différent des ensembles de données d'actualités populaires et utilise un texte plus informel de Sina Weibo. Les données de formation et de test sont constituées de microblogs sur différents sujets, tels que la finance, le sport, le divertissement, etc. Cet ensemble de données est codé en utf-8 et peut être utilisé pour les tâches de segmentation de mots chinois.

Citation

@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}
}