纽约时报带标注信息语料库

此版本中包含的数据与Jesse Dunietz和Dan Gillick撰写的名为“具有数百万个训练示例的新实体显性任务”（EACL 2014）一起发布。

训练数据包括2003-2006年的100,834个文档，以及19,261,118个带标注信息的实体。测试数据包括2007年以来的9,706个文档以及187,080个带标注的实体。

空白行分隔每个文档标注信息。文档注释的第一行包含NYT文档ID，后跟标题。随后的每一行都引用一个实体，并带有以下制表符分隔的字段：

实体索引自动推断显着性{0,1}提及计数（来自我们的共同参照系统）提及首次提及的MID的首次提及字节偏移起始位置的首次提及文本的字节偏移起始位置（来自我们的实体解析系统）