数据集概述
该数据集包含吉隆坡旅游博客相关的文本与标注数据，分为训练、测试及相关文件三个文件夹，涵盖原始旅游文本与带空间三元组标注的XML文件，用于空间关系提取研究。
文件详解
该数据集由三个文件夹组成，具体说明如下：
- Training文件夹：
- raw training files子文件夹：包含从三十六篇吉隆坡旅游博客提取的原始文本，文件格式为.txt
- labeled files子文件夹：包含原始文本的XML版本文件，标注有五百个空间三元组（trajector、spatial indicator、landmark），文件格式为.xml
- Testing文件夹：
- raw testing files子文件夹：包含从十篇吉隆坡旅游博客提取的原始文本，文件格式为.txt
- labeled files (gold standard)子文件夹：作为评估黄金标准，包含原始文本的XML版本文件，标注有二百个空间三元组（trajector、spatial relation、landmark），文件格式为.xml
- Related files文件夹：
- 包含训练与测试文件的标注方案定义文件，文件格式为.xml，如spatial_triplet.xml
适用场景
- 自然语言处理研究：用于空间关系提取模型的训练与评估
- 旅游文本分析：挖掘吉隆坡旅游博客中的空间信息与地标关联
- 地理信息系统应用：将文本中的空间描述转化为结构化地理数据
- 语义标注方法论研究：分析旅游文本空间标注的标准与实践
