微博实体链接样例数据说明

1，为使用方便，所有数据文件均改为utf-8格式编码。

2，query_0501.txt为XML形式组织的样例数据，格式如下：

<weibo id = "wanyuangongjijin34">
	<content>#万元公积金# 知道中石油、中石化为啥连年亏损，国家倒贴钱了吧，老百姓交的税都借各种名目跑到少数国企员工的口袋里了，顺便附一句我的公积金每月246，黑龙江省最低限 详情:http://t.cn/zTwwKBc</content>
	<name id = "1">黑龙江省</name>
	<startoffset id = "1">74</startoffset>
	<endoffset id = "1">78</endoffset>
	<kb id = "1">KBBD021911</kb>
</weibo>
其中，<content> </content>为该条微博的内容，<name id ="x">...</name>为待链接的字符串，注意一条微博中可能有几条
待链接的字符串，以不同的“id”区分。微博内容中第一个字符的startoffset为0，endoffset为1，以此类，比如：上述微博中的“黑
龙江省”这个字符串所对应的startoffset为74，endoffset为78。<kb id = "x">KBxxxxx</kb>为该字符串所对应的实体在知识
库中的编号，NIL表示该字符串所对应的实体没有出现在知识库中。

3, 评测所提供的知识库为2012年百度百科的一个映像（部分），只包含存在InfoBox的页面。所提供数据中的KB_BD_nomerge_nolink.xml为
该映像中InfoBox的原始内容，并未做深入的去噪，以及标准化处理（请注意：该知识库是含有噪声的！）。为使用方便，以类似XML的形式进行存储。
例如：
<entity>
<entity_id>KBBD000001</entity_id>
<category>人物\自然科学\科学家\爱因斯坦.html</category>
<name>阿尔伯特·爱因斯坦</name>
<fact>
<中文名>阿尔伯特·爱因斯坦</中文名>
<外文名>Albert Einstein</外文名>
<国籍>美国、瑞士双重国籍</国籍>
<民族>犹太族</民族>
<出生地>德国乌尔姆市</出生地>
<出生日期>公元1879年3月14日</出生日期>
<逝世日期>公元1955年4月18日</逝世日期>
<职业>物理学家、思想家、哲学家</职业>
<毕业院校>苏黎世联邦理工学院、苏黎世大学</毕业院校>
<主要成就>提出相对论及质能方程解释光电效应推动量子力学的发展</主要成就>
<代表作品>《论动体的电动力学》、《广义相对论基础》</代表作品>
<荣誉>1921诺贝尔物理学奖</荣誉>
<著名公式>E=mc^2</著名公式>
</fact>
</entity>
其中<category>为百度开放分类提供的一个粗糙分类，并不完全准确。
<fact></fact>为该页面中InfoBox表格所提供的内容，每个表格属性又以<tag></tag>形式
存储。

4， 除InfoBox信息外，评测还会提供该映像中的页面信息（但不包括重定向页面等），文件格式与上述文件格式类似，实体页面以文本形式存储在
<link_page>...</link_page>中，该文件可以从百度网盘获取。
地址    pan.baidu.com
用户名  nlpcc2012
密码   nlp&cc2012

如有疑问，请与 fengyansong@pku.edu.cn联系。


