ICLRApr, 2023

MphayaNER：Tshivenda 命名实体识别

PDF
TL;DR本文介绍了在新闻领域中的第一个 Tshivenda 命名实体识别数据集 MphayaNER，研究了其性能和与其他南部班图语的零样本迁移；实验证明与 chiShona 的数据融合可以显著提高模型性能，同时发布了 MphayaNER 和基线模型。
named entity recognitionnatural language processinglow-resource languagestshivendazero-shot transfer
发现论文，激发创造
  • MasakhaNER: 面向非洲语言的命名实体识别

    本文介绍了第一个大型公开高质量的非洲十种语言的命名实体识别数据集，研究这些语言对命名实体识别带来的挑战，并在监督和迁移学习设置下进行了广泛的实证评估和分析，旨在启发未来的非洲自然语言处理研究。

    Mar, 2021

  • 运用辅助语言和迁移学习技术提高低资源实体命名识别

    论文探究了如何在低资源语言如印地语和马拉地语中通过适应 BERT 模型，训练监督学习的 NER 模型，并比较了多语言模型与单语言模型的性能，研究结果表明多语言模型可以提高 NER 的精度。

    Jun, 2023

  • MasakhaNER 2.0：面向非洲的命名实体识别迁移学习

    本文研究非洲语言在自然语言处理上的挑战，针对命名实体识别任务，创造了包含 20 种非洲语言的最大人工标注数据集，研究了现有跨语言传递方法的表现，并发现选择最佳传递语言相较使用英语，可以提高零 - shot F1 分数 14 点。

    Oct, 2022

  • L3Cube-MahaNER: 一个马拉地语的命名实体识别数据集和 BERT 模型

    本文首次提出 L3Cube-MahaNER，这是一份 Marathi 语言的命名实体识别的黄金标准数据集，使用了不同基于 CNN、LSTM、变压器的模型进行了基准测试，发现 MahaBERT 表现最佳。

    Apr, 2022

  • 汉迪语和马拉提语命名实体识别中的单语 BERT 与多语 BERT 对比研究

    本文研究低资源印度语言 Hindi 和 Marathi 的命名实体识别 (NER)，使用 base-BERT，RoBERTa 和 AlBERT 等变体进行了基准测试，并在不同单语和多语 Transformer 模型之间进行了详细比较，发现 MahaRoBERTa 单语模型在 Marathi NER 方面表现最佳，而多语言 XLM-RoBERTa 在 Hindi NER 方面表现最佳。文中还进行了跨语言评估和提出了简单基线。

    Mar, 2022

  • 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

  • 为印度语言优化预训练的命名实体识别模型

    对印度语言进行多语言命名实体识别的挑战分析及旨在应对其的技术的提出。同时，提供了包括两个主要印度语言家族中四种印度语言在内的人工标注命名实体语料库，并在该数据集上对多语言模型进行了微调，平均 F1 得分达到 0.80。在印度语言的完全未见基准数据集上实现了可比的性能，证实了我们模型的实用性。

    May, 2024

  • 尼泊尔语命名实体识别

    本文提出了一种基于神经网络的尼泊尔语命名实体识别模型，采用最新的基于字形的架构，无需手工制作特征和数据预处理，相对于基于特征的 SVM 模型以及针对尼泊尔语以外语言开发的最新神经模型，获得了 33% 至 50% 的相对改进和高达 10% 的改进。

    Aug, 2019

  • 具有最少资源的神经跨语言命名实体识别

    提出了一种基于双语单词嵌入的翻译方法，以改善跨语言的 named-entity recognition 性能，并使用 self-attention 来提高鲁棒性。在对常见语言的测试中达到了最先进或具有竞争力的 NER 性能。

    Aug, 2018

  • NaijaNER: 面向尼日利亚 5 种语言的全面命名实体识别

    该研究研究了 5 种尼日利亚语言（尼日利亚英语，尼日利亚皮钦英语，伊博语，约鲁巴语和豪萨语）的命名实体识别，在建立个体模型和组合模型的基础上，提高了信息提取的效率，提高了模型的再利用性和生产部署的便利性。

    Mar, 2021