OIEC-PT

O OIEC-PT (Open Information Extraction Corpus - Portuguese) é o corpus resultante do processo de anotação manual e teórica de sentenças da seção em português do Parallel Universal Dependencies (PUD). Ele é composto por dois subconjuntos complementares: OIEC-PT-SILVER e OIEC-PT-GOLD, que refletem diferentes estágios de maturidade do guia de anotação e do consenso entre os anotadores.O OIEC-PT-SILVER reúne 200 sentenças anotadas nas duas primeiras etapas do processo, utilizadas para calibração e refinamento das diretrizes estruturais e semânticas. Já o OIEC-PT-GOLD contém 100 sentenças anotadas na etapa final, após a consolidação das regras de anotação e o consenso entre especialistas. Por apresentar maior consistência sintático-semântica e factualidade, ele constitui o conjunto de referência (gold standard) para a avaliação de sistemas de Open IE em português.A união dos dois conjuntos forma o OIEC-PT completo, totalizando 300 sentenças e 473 extrações válidas. Esse corpus combina diversidade textual e rigor teórico, permitindo tanto o treinamento de modelos supervisionados quanto a avaliação padronizada de métodos de Extração Aberta de Informação na língua portuguesa.