介绍了 HistNERo，第一个用于历史报纸中的罗马尼亚命名实体识别（NER）的罗马尼亚语语料库，含 323k 个标记文本，覆盖了 1817 年至 1990 年的超过一半时间段。实验结果显示，最佳模型在此语料库上的严格 F1 分数达到了 55.69％，通过减少地区之间的差异并使用一种新颖的领域自适应技术，我们将其提高到了 66.80％，相对增益超过 10％。

Apr, 2024

资源稀缺，如阿尔巴尼亚语等语言中的已注释文本语料库对计算语言学和自然语言处理研究构成严重障碍。本文介绍了 AlbNER，一个从阿尔巴尼亚维基百科文章中收集的具有标注命名实体的 900 个句子的语料库。使用 BERT 和 RoBERTa 变体在 AlbNER 数据上进行微调和测试的初步结果表明，模型大小对 NER 性能有轻微影响，而语言转移具有显著影响。AlbNER 语料库和这些获得的结果应作为未来实验的基线。

Sep, 2023

介绍了 MOldavian 和 ROmanian 方言语料库（MOROCO），包含来自六个主题的 33564 个文本样本和用于分类任务的标签，使用基于字符串核的浅层方法和包含 Squeeze-and-Excitation 块的字符级卷积神经网络的深层方法进行实验和研究了最具有区分性的特征。

Jan, 2019

该研究旨在填补以新闻、研究论文、维基百科为主的命名实体识别数据集的多个空白领域，通过在俄语口述日记文本中创建名为 “Razmecheno” 的新数据集，该数据集包含 1331 个句子和 14119 个标记，并标记了人物，特征，位置，组织和设施等五种命名实体识别的常用实体类型。我们使用众包平台 Yandex.Toloka 进行了数据标注，并通过 NER 工具和微调预训练的上下文编码器进行了实证评估。

Jan, 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

本文提供了基于维基百科、新闻句子等数据集训练的 Armenian 命名实体识别模型，以及 50~300 维的 GloVe 词向量模型，并给出相应实验结果。

Oct, 2018

使用两个深层神经模型，在罗马尼亚新闻中检测幽默的机器水平准确率不高，表明未来研究有足够的改进空间。

May, 2021

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

本文开发了一个新的 NER 语料库，并使用信息检索技术，自动引导命名实体识别 - 注释语料库。我们使用我们的语料库训练了一个 NER 模型，具有 72.81-93.98％的实体级精度和 58.14-81.77％的召回率。此外，我们公开发布了我们的语料库，模型和实验代码，以便他人重现和构建我们的工作。

May, 2023

本研究主要介绍了一个公共的法律命名实体识别数据集 E-NER，它表明将通用英语文本数据集训练的命名实体识别模型应用于法律文本会导致重大的性能下降，与在 E-NER 数据集上训练和测试相比，F1 分数下降了 29.4％至 60.4％。

Dec, 2022