Last updated on August 29, 2000.

NOTE:
使用する毎日新聞記事データは94, 95, 98年のものとします．参加者は各自新 聞社と覚書を交わし，データを入手して下さい． なお，dryrunでは94, 95年のみを使用します．

• mai2sgml.pl by IREX
  (毎日新聞CD-ROMのデータをIREXのSGML形式に変換するツール)

  各参加者は，IREX提供のmai2sgml.plを用いて，対象テキストを変換したIREX IRタ スク用のデータを用いる．変換後のデータに付与されている情報は，参加者の自由 意志によって，どのようにも使用可能である．ただし，変換前のオリジナルのデー タにのみ含まれているキーワード等の情報は使用してはいけない．
  [詳しくはTask descriptionの3 節を御覧下さい]

  usage:
  nkf -e /cdrom/mai94.txt | jperl mai2sgml.pl > mai94.sgml
  nkf -e /cdrom/mai95.txt | jperl mai2sgml.pl > mai95.sgml
  nkf -e /cdrom/mai98.txt | jperl mai2sgml.pl > mai98.sgml
  
  

  tscsgml.pl by TSC
  (mai[94|95|98].sgmlのデータに<SENTENCE> と <PARAGRAPH> タグを 付加するツール)

  「重要文抽出型要約」(課題A-1)の参加者は，上記mai2sgml.plの出力に， tscsgml.plを適用したデータを用いる．それ以外の課題の参加者のtscsgml.plの使 用は自由意志とする．
  [詳しくはTask descriptionの3 節を御覧下さい]

  このツールには，3通りの使い方があります．

  1. tscsgml.pl < mai94.sgml > mai94.tsc
     データ内の全ての記事をTSC形式に拡張します．

     tscsgml.pl -L DOCIDS_FILE < mai94.sgml

     記事IDのリストファイル(DOCIDS_FILE)に記述された記事だけをTSC 形式に変換し，自動的にそれぞれを別々のファイルに出力します．

     tscsgml.pl -D DOCIDS_FILE < mai94.sgml > DOCIDS_FILE.94.tsc

     記事IDのリストファイル(DOCIDS_FILE)に記述された記事だけをTSC 形式に変換し，標準出力に出力します．

  なお，タスクA-1の参加者には，TSCから要約対象となる記事をリストした DOCIDS_FILEを配布します． -L オプション，-D オプションでご利用下 さい．

  tscsgml.pl -L docids_file.94 < mai94.sgml

  tscsgml.pl -L docids_file.95 < mai95.sgml

  このようにすると，docids_file.[94|94]にリストされた各記事ご とのファイル DOCNO.tsc が作成されます．

      
      
   DOCIDS_FILEのフォーマット
      ==BNF==
  
      file      :=  doc-id*
      doc-id    :=  <DOCNO>number</DOCNO>
  
      例：
  	<DOCNO>94070805</DOCNO>
  	<DOCNO>94080104</DOCNO>
  	<DOCNO>94090203</DOCNO>
  	...
      

• nkf
• jperl5