Det här är en liten korpus som består av 10 par texter på svenska och engelska, annoterade med kategorier av personliga uppgifter. Annoteringen liknar den av TAB-korpusen (https://aclanthology.org/2022.cl-4.19/). De tjugo texterna har sitt ursprung i Parallel Global Voices-korpusen (https://nlp.ilsp.gr/pgv/, CC BY 4.0) och var annoterade för hand. Denna korpus innehåller data från Global Voices-webbsidorna (https://globalvoices.org/, CC BY 3.0).
Standardreferens
Maria Irena Szawerna, Jacob Lee Suchardt
(2026):
Fill-in-the-Blanks: Automatic Generation and Evaluation of Language Models' Pseudonyms for English and Swedish Texts,
i Proceedings of the Fifteenth Language Resources and Evaluation Conference (LREC 2026),11–16 May 2026, Palma, Mallorca, Spain,
pages 1155-1169
Datacitering
Szawerna, Maria Irena, & Suchardt, Jacob Lee. PGV-PII [Data set]. Bearbetad och distribuerad av Språkbanken. https://doi.org/10.23695/qcqg-3613
En liten samling av 10 par parallella texter på svenska och engelska, annoterade med kategorier på personliga uppgifter.
Annotation
Texterna är annoterade med kategorier på personliga uppgifter enligt TAB-anvisningarna (https://aclanthology.org/2022.cl-4.19/)
Avsedd användning
Den här korpusen kan användas för att testa personuppgiftsigenkänning eller generering av pseudonymer.
Ladda ned
| Fil | Storlek | Modifierad | Licens |
|---|---|---|---|
| 49.75 KB | 2026-02-27 | CC-BY-4.0 |