本研究提出了一个数据标注流程，从包括普通和领域特定实体的冠状病毒新闻文章中生成训练数据，并在领域专家手动标注的测试句子上评估训练模型的性能。

Apr, 2024

我们为塔加洛语开发了一个命名实体识别（NER）数据集，填补了菲律宾语言中 NER 资源匮乏的空白。文本来源于包含新闻报道的预训练语料库，并由母语人士迭代标注。该数据集包含约 7.8k 个文档，涵盖人名、组织和地点三个实体类型。我们还在有监督学习和迁移学习环境中对最先进的方法进行了广泛的实证评估。最后，我们公开发布了数据和处理代码，以激励未来在塔加洛语自然语言处理方面的研究工作。

Nov, 2023

该论文介绍了一份为德国联邦法院判决中开发的命名实体识别数据集，包含约 67,000 个句子和超过 2,000,000 个标记，共标注了 54,000 个实体，涵盖了 19 个细粒度的语义类别，同时还有超过 35,000 个基于 TimeML 的时间表达式的辅助标注。该数据集可用于训练用于德国法律文件的 NER 服务，已在 EU 项目 Lynx 中发布，并遵循 CC-BY 4.0 许可协议。

Mar, 2020

我们提出了一种新颖的方法，以生成针对给定新闻事件的芬兰语新闻标题为主，通过构建一个模型，该模型使用多个语料库训练，在一个巨大的新闻语料库的帮助下，对其进行微调以进行标题生成任务，并由 3 名芬兰媒体机构的专业记者进行评估，结果表明所提出的方法在作为新闻生产过程中的标题建议工具方面具有可用性。

Dec, 2022

本文介绍了 CrudeOilNews 的数据收集过程、标注方法学和事件类型学，旨在为经济和金融文本挖掘提供贡献性资源，通过种子数据扩充和人类协商来拓展数据集，在机器学习目的方面，训练了基本的事件提取模型。

Apr, 2022

该研究描述了一组带有细粒度地理实体注释的德语文档，支持训练和评估命名实体识别算法和 N - 元关系提取系统，以分析交通相关和工业相关的事件。

Apr, 2020

本文介绍了使用 Universal Named Entity 框架来自动生成注释语料库的应用。通过使用从维基百科数据和元数据以及 DBpedia 信息中提取出来的工作流程，我们生成了一个英语数据集并进行了描述和评估。此外，我们进行了一系列实验，以在精确度，召回率和 F1-measure 方面改善注释。最终数据集可供使用，建立的工作流程可应用于任何具有现有维基百科和 DBpedia 的语言。作为未来研究的一部分，我们打算继续改进注释过程并将其扩展到其他语言。

Dec, 2022

本文介绍了一个包含 14 种法律实体类型的 46545 个已注释的法律命名实体语料库，同时构建了一个提取法律命名实体的基准模型。

Nov, 2022

该研究论文介绍了一个手动注释的语料库，包含六种斯拉夫语言的命名实体。该研究使用基于 Transformer 的神经网络架构和预训练的多语言模型进行命名实体识别和分类，以及命名实体的词形还原和链接。

Mar, 2024

本文探讨了在新闻标题中进行细粒度金融情感分析的任务和挑战，提出 SAEntFiN 1.0 数据集，并使用特征为基础的方法提取实体相关情感。使用 12 种不同的学习方案验证实验结果，RoBERTa 和 finBERT 的平均准确率和 F1 分数最高，同时使用 210,000 多个实体情感预测验证了情感对市场的影响。

May, 2023