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

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

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

该论文发布了一份标准符合的，包含 109,146 句子和 2,220,856 个标记的 Hindi NER 数据集，并使用不同的语言模型对其进行了评估，表明其对于 NLP 在 Hindi 方面有着重要的作用。

Apr, 2022

本研究旨在解决某些语种尚未存在高质量手动标注数据集的现状，并通过引入 WikiGoldSK 数据集，评估了最先进的多语言预训练语言模型在斯洛伐克语上的效果，并与现有的银标准斯洛伐克 NER 数据集进行了比较。我们还进行了几个示范性实验，并显示使用一个银标准数据集进行训练可以获得更好的结果。最终，我们公开了数据集、代码和经过训练的模型，并采用可许可的许可条款。

Apr, 2023

该论文描述了 RuSentNE-2023 评估，该评估致力于对俄罗斯新闻文本中的目标情感进行分析。使用丰富的情感相关注释的俄语新闻语料库 RuSentNE 作为数据集。使用 CodaLab 竞赛框架组织了评估。ChatGPT 在测试集上进行了测试，并获得了 60％的 F - 度量，这在零 - shot 应用中可以被认为是相当高的。

May, 2023

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

该研究旨在改进个人姓名的识别，在识别不同文化背景下的姓名方面，通过实验比较结合字符和词的输入模型与传统的 NER 模型，发现该模型表现更好且可能提高准确率。

Jan, 2024

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