EHRI_MASI_Test_Dataset_大屠杀档案多语言主题标引测试数据

数据集概述

本数据集包含源自大屠杀相关档案材料描述的文本，每条文本关联EHRI Terms受控词表中的一个或多个主题术语，用于支持多语言自动主题标引的对比研究，可复现论文中的实验结果。

文件详解

• 文件名称：ehri-masi-dataset-main.zip
• 文件格式：ZIP
• 字段映射介绍：压缩包内包含与大屠杀档案相关的文本数据，每条文本关联EHRI Terms受控词表中的主题术语，具体字段需解压后查看原始文件结构。

数据来源

论文“Multilingual Automated Subject Indexing: a comparative study of LLMs vs alternative approaches in the context of the EHRI project”

适用场景

• 多语言自动主题标引研究: 对比LLM与其他方法在大屠杀档案主题标引任务中的性能。
• 档案资源组织优化: 探索受控词表在多语言档案描述中的应用效果。
• 数字人文研究: 支持大屠杀相关档案的语义化组织与检索研究。
• 自然语言处理模型评估: 为多语言主题标引模型提供标准测试数据集。