Jan, 2023

苏莱曼尼亚库尔德语（苏拉尼）命名实体语料库 —— 对库尔德 - BLARK 命名实体的一种修改

PDF
TL;DR该研究提出了一个涵盖库尔德语（Sorani）中几个实体类别的数据集，涉及命名实体识别等自然语言处理领域，并公开该数据集供非商业用途，以填补目前资源匮乏的局面。
named entity recognitionnatural language processingkurdish languagedata setner resources
发现论文，激发创造
  • AlbNER：一个阿尔巴尼亚语命名实体识别语料库

    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

  • 利用 Gazetteer 增强的 BanglaBERT 语义嵌入 K-Means 注入 CRF 模型的孟加拉命名实体识别

    本研究探索了孟加拉命名实体识别领域的现有研究状况，找出了当前技术和数据集所面临的限制，并提出通过使用新颖的 Gazetteer 和先进的自然语言处理工具来改善命名实体识别的性能。

    Jan, 2024

  • 为塔加洛语开发命名实体识别数据集

    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

  • NNE: 英语新闻中嵌套命名实体识别数据集

    本文介绍了 NNE 数据集，这是一种精细的、嵌套的命名实体识别数据集，可应用于英语新闻文本中。该数据集包含多个命名实体类型、多层嵌套，希望其公开发布能推动嵌套 NER 新技术的发展。

    Jun, 2019

  • NERetrieve: 下一代命名实体识别与检索数据集

    通过大规模语言模型，命名实体识别可以达到更精细化的实体类型识别、零样本识别和语句检索等目标，但这些目标仍然需要进一步研究和探索。

    Oct, 2023

  • pioNER：用于亚美尼亚命名实体识别的数据集和基准

    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

  • 使用新数据集的 LSTM 和 GRU 在阿拉伯语言命名实体识别中的应用

    本文介绍一种使用 BIOES 格式标记具有超过 36,000 个数据记录的阿拉伯语命名实体识别数据集，并使用 LSTM 和 GRU 进行建模的方法， 取得了大约 80％的良好成果，同时介绍了使用 Trax 和 Colab 平台的新库。

    Apr, 2023

  • 使用 BERT 的波斯语命名实体识别模型 Beheshti-NER

    本文使用预训练的深度双向网络 Google BERT，建立了一个用于波斯语命名实体识别的模型，并在 CONLL 2003 评测任务中获得了较高的成绩。

    Mar, 2020

  • E-NER -- 一份法律文本的命名实体识别注释语料库

    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

  • WikiGoldSK：斯洛伐克命名实体识别的注释数据集、基线和少样本学习实验

    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