《KoCoNovel》是一项基于韩国文学文本的创新性人物共参考数据集，从 50 部现代和当代韩国小说中提取的 178K 令牌构成，是继 NIKL 语料库之后韩国第二大公开的人物共参考解析语料库，并且是首个基于文学文本的语料库。该数据集提供四个不同版本的 KoCoNovel，为包括全知作者和读者视角以及单独或重叠处理多个实体的选项提供了选择。实验证明，使用 KoCoNovel 与 NIKL 语料库相比，基于 BERT 的人物共参考模型表现出明显的性能提升，这一发现凸显了 KoCoNovel 通过整合韩国文化和语言动态的潜力，可以显著增强人物共参考解析模型。

Apr, 2024

命名实体识别在医学自然语言处理中起着关键作用。本研究利用 ChatGPT 构建了 KBMC（韩国生物医学语料库），与一般韩国 NER 数据集相比，在 KBMC 数据集上训练的模型在医学 NER 任务中取得了令人印象深刻的 20% 性能提升。这项研究强调了在专业领域如医疗保健中使用类似 ChatGPT 这样的专用工具和数据集来增强语言处理的重大益处和重要性。

Mar, 2024

利用中文历史信息抽取语料库 (CHisIEC) 推进古代历史和文化研究，实现对命名实体识别和关系提取任务的开发和评估，涵盖 13 个朝代超过 1830 年的历史时间线的数据，包括四种实体类型和十二种关系类型。

Mar, 2024

通过将类型聚类信息有效地融入实体和类型的表示中，Cross-view Optimal Transport（COTET）方法通过多视图生成和编码、交叉视图最优传输和基于汇聚机制的实体类型预测模块，在知识图谱实体类型推理任务中展现出了显著的效果。

May, 2024

本文利用特殊语言特征提高韩语命名实体识别，使用 CoNLL-U 格式提出韩语语料库标注方案，实现命名实体标记在分词中减少歧义，并探讨以词素为基础的标记方案的可行性和性能。

May, 2023

研究通过 HistRED 数据集中的 Hanja 和韩国文本，提出了一种双语关系抽取模型，证明多语言背景可以补充关系抽取预测。

Jul, 2023

引入了 Kleister NDA 和 Kleister Charity 两组数据集，综合文本和结构排版特征去识别和推理各种类型的实体，包括机构、人物和时间等，通过对 Flair、BERT、RoBERTa、LayoutLM 和 LAMBERT 等多个 KIE 领域基线系统的测试，得出我们的数据集对于现有模型具有很强的挑战性，并提供数据集以促进更深入和复杂的信息提取任务。

May, 2021

本文介绍了一种名为多视图对比学习的知识图谱实体类型推断方法，它将聚类提供的粗粒度知识编码到实体和类型嵌入中，并通过多个模块实现结构化信息的编码、不同视角的对比学习以及缺失实体类型的推断。实验证明了该方法相对于现有的最优方法具有较强的性能。

Oct, 2023

介绍了包含 43 种情感标签的韩文在线评论数据集 KOTE，其情感分类通过词嵌入空间下的集群分析建立，并讨论了社会歧视的细调和分析结果。

May, 2022

本研究收集了 Kor-Lang8、Kor-Native 和 Kor-Learner 三个数据集，并使用新提出的 Korean Automatic Grammatical error Annotation System (KAGAS) 工具进行注释以覆盖更多语言错误类型，同时提供基于数据集调整的基线模型，并在各类错误类型上显著优于公共统计 GEC 系统 (Hanspell)，展示了数据集的多样性和实用性。

Oct, 2022